SWE-Marathon

xAI Grok 4.5 发布页图表；resolution rate，pass@1。SWE-Marathon 是 SWE-bench 系列的长时运行变体，设计更复杂的多步骤软件工程任务，模型需在长时间交互中持续探索、调试和修改代码。评估 AI 在持久化编程任务中的规划、推理与执行能力。

#	模型	得分 (%)	厂商	来源
1	Grok 4.5	29	xAI	xAI Grok 4.5 发布页
2	Claude Opus 4.8	26	Anthropic	xAI Grok 4.5 发布页
3	Claude Fable 5	24	Anthropic	xAI Grok 4.5 发布页
4	Claude Opus 4.7	16	Anthropic	xAI Grok 4.5 发布页
5	GLM-5.2	13	智谱AI	GLM-5.2 技术报告
6	GPT-5.5	12	OpenAI	GLM-5.2 技术报告
7	Gemini 3.1 Pro	4	Google	GLM-5.2 技术报告
8	GLM-5.1	1	智谱AI	GLM-5.2 技术报告

xAI Grok 4.5 发布页图表；resolution rate，pass@1。SWE-Marathon 是 SWE-bench 系列的长时运行变体，设计更复杂的多步骤软件工程任务，模型需在长时间交互中持续探索、调试和修改代码。评估 AI 在持久化编程任务中的规划、推理与执行能力。

#	模型	得分 (%)	厂商	来源
1	Grok 4.5	29	xAI	xAI Grok 4.5 发布页
2	Claude Opus 4.8	26	Anthropic	xAI Grok 4.5 发布页
3	Claude Fable 5	24	Anthropic	xAI Grok 4.5 发布页
4	Claude Opus 4.7	16	Anthropic	xAI Grok 4.5 发布页
5	GLM-5.2	13	智谱AI	GLM-5.2 技术报告
6	GPT-5.5	12	OpenAI	GLM-5.2 技术报告
7	Gemini 3.1 Pro	4	Google	GLM-5.2 技术报告
8	GLM-5.1	1	智谱AI	GLM-5.2 技术报告