Flash>Pro？SWE-rebench 发布 12 月榜单：Claude Opus 4.5 位居榜首
SWE-rebench 于近日公布了 2026 年 1 月最新榜单，该榜单基于去年 12 月 GitHub 上真实的开发任务（包含代码问题修复与拉取请求）进行动态评测。结果显示，Anthropic 旗下的 Claude Opus 4.5 以 63.3% 的任务解决率位列第一，OpenAI 的 gpt-5.2-2025-12-11-xhigh 以 61.5% 紧随其后，谷歌的 Gemini 3 Flash Preview 则以 60.0% 的成绩位居第三。
本次评测重点观察了模型在处理真实世界软件工程问题时的逻辑能力与成本效益。其中，排名第三的 Gemini 3 Flash Preview 凭借每题约 0.29 美元的低廉调用成本展现出极高的实用价值。在开源模型领域，智谱 AI 推出的 GLM-4.7 表现亮眼，其解决率从上一版本的 40% 大幅提升至 51.3%，成为目前性能最强的开源模型。此外，DeepSeek-V3.2 以 48.5% 的解决率紧随其后，且单题运行成本仅为 0.25 美元，进一步压缩了 AI 辅助开发的经济门槛。
此次更新反映了主流 AI 模型在自动化软件维护领域的持续演进。除上述头部模型外，Kimi K2 Thinking、Qwen3-Coder 等新型模型也已悉数入榜，显示出全球大模型在垂直代码领域的技术路线正向着高解决率与低功耗方向协同发展。
原文：
🆕 We have updated SWE-rebench with the December tasks!
SWE-rebench is a live benchmark with fresh SWE tasks (issue+PR) from GitHub every month.
Some insights:
> top-3 models right now are:
1. Claude Opus 4.5
2. gpt-5.2-2025-12-11-xhigh
3. Gemini 3 Flash Preview
> Gemini 3
