SWE-bench Multilingual
PinchBench 是 Kilo Code 团队开发的开源基准测试系统，用于评估大型语言模型作为 OpenClaw 编码代理核心的表现。该系统运行一组固定真实世界任务，计算代理的任务完成成功率，同时记录执行速度和成本。所有结果通过公开排行榜 https://pinchbench.com 显示，目前包含 50 个模型的 403 次运行记录，最新更新时间为 2026 年 3 月 18 日。基准测试的代码和任务定义全部开源在 GitHub（pinchbench/skill 仓库），任何开发者均可本地复现或添加
更新于 2026年4月2日·265 次浏览
- 问题数量
- 300
- 发布机构
- 个人
- 评测类别
- 编程与软件工程
- 评测指标
- Accuracy
- 支持语言
- 多语言
- 难度等级
- 中等难度
简介
覆盖9种编程语言的大模型软件工程能力的评测基准
SWE-bench Multilingual评测最新大模型排名与完整榜单数据
查看 SWE-bench Multilingual 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据来源：DataLearnerAI
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
模型模式说明
SWE-bench Multilingual 排名
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
73.80 | 2026-03-31 | 未知 | 闭源 | ||
 Composer 2 开启思考 | 73.70 | 2026-03-19 | 未知 | 闭源 | |
 Kimi K2.5 开启思考 | 73.00 | 2026-01-27 | 10000亿 | 免费商用 | |
4 |  Claude Opus 4.6 扩展思考工具 | 72.00 | 2026-02-05 | 未知 | 闭源 |
5 | 69.30 | 2026-02-16 | 397亿 | 免费商用 | |
6 | Composer 1.5 开启思考 | 65.90 | 2026-02-09 | 未知 | 闭源 |
7 | Composer 1 开启思考 | 56.90 | 2025-10-29 | 未知 | 闭源 |
