言語モデルの動向

ベンチマーク

すべての記事

2026/09/02

  1. SWE-bench Verified は 97% に達した。ただし上位同士は比べにくい
    ベンチマークAnthropic
  2. ベンチマークの数字は、条件とセットでしか読めない
    ベンチマークAnthropicOpenAIGoogleDeepSeek