Les modèles chinois, qui avaient occupé les dix premières places du SWE-rebench la dernière fois et avaient été moqués pour du « score boosting », occupent cette fois quatre places.

Selon la surveillance de 1M AI News, SWE-rebench est un benchmark en temps réel qui extrait chaque mois de nouveaux problèmes (issues + PR) de projets logiciels sur GitHub, et le modèle ne peut pas être optimisé à l’avance pour ces sujets. Le mainteneur Ibragim a publié une mise à jour du classement le 23 mars, supprimant la démonstration d’exemples et la limite de 80 étapes, et ajoutant de nouvelles tâches d’évaluation auxiliaires.

Classement des dix premiers :

1. Claude Opus 4.6 : 65,3 %
2. GPT-5.2 medium : 64,4 %
3. GLM-5 : 62,8 %
4. GPT-5.4 medium : 62,8 %
5. Gemini 3.1 Pro Preview : 62,3 %
6. DeepSeek-V3.2 : 60,9 %
7. Claude Sonnet 4.6 : 60,7 %
8. Claude Sonnet 4.5 : 60,0 %
9. Qwen3.5-397B-A17B : 59,9 %
10. Step-3.5-Flash : 59,6 %

Le modèle open source de Zhipu AI, GLM-5 (licence MIT), se classe troisième avec 62,8 %, étant le modèle open source le mieux classé. Quatre modèles chinois figurent dans le top dix, en plus de GLM-5 : DeepSeek-V3.2 (sixième), Qwen3.5-397B-A17B d’Alibaba (neuvième), et Step-3.5-Flash (dixième). Li Zixuan, responsable mondial de Z.ai, a commenté que lors de la dernière mise à jour de SWE-rebench, tous les modèles chinois étaient hors du top dix, ce qui a été critiqué comme du « benchmaxing » (score excessif).