ベンチマーク / DeepSWE v1.1
DeepSWE v1.1
コーディング・高いほど良い
このベンチマークとは
ソフトウェアエンジニアリングのエージェント評価（v1.1）。
問題内容の詳細は各社の評価方法ページを参照。上位モデルは70%台で接近している。
＊＝開発元の自社発表。 出典（表）ごとに分けています。同じ表の値どうしは同じ条件で比べられます。
OpenAI の表
OpenAI: GPT-6 Astra 発表（比較表・脚注） ↗比較表の他社モデル数値は OpenAI が掲載したもの。各社最大 effort の値。
- 1
GPT-6 Astra74.1%＊OpenAI・最大effort - 2
Gemini 3.8 Flash73.8%OpenAI（比較表に掲載）・最大effort - 3
Claude Opus 5 過去の版73.7%OpenAI（比較表に掲載）・最大effort - 4GPT-5.6 Sol 過去の版72.7%＊OpenAI・最大effort
- 5Claude Fable 5 過去の版69.9%OpenAI（比較表に掲載）・最大effort
- 6Claude Fable 5.167.4%OpenAI（比較表に掲載）・最大effort
Google DeepMind の表
Google DeepMind: Gemini 4 Argon モデルカード ↗2026年10月時点。比較表の他社数値は Google が掲載したもの。
- 1Gemini 4 Argon77.9%＊Google
- 2Claude Opus 5.574.2%Google（比較表に掲載）
OpenAI の発表値を報じたもの。多くの数値は公式チャートのみで本文に出ていないため部分的。
- 1GPT-6.1 Sol75.2%＊OpenAI・DeepSWE v1.1。Astra は 74.8（同じ報道）