AI 모델 코딩 벤치마크

Name: AI 모델 코딩 벤치마크
Creator: OrigoTech

도구 페이지와 모델 비교에서 확인된 모든 코딩 벤치마크 점수를 테스트별로 묶었다. 각 점수에는 명시된 조건과 개발사 페이지 링크가 붙는다.

방법론: 비교하기 전에 읽어 주세요

자체 보고 점수: 각 수치는 모델 개발사의 발표(블로그 게시물, 모델 카드 또는 문서. 모든 행에 “출처” 링크가 있음)에서 그대로 가져왔다. OrigoTech가 직접 측정한 것이 아니다.
서로 다른 하네스: 개발사마다 자체 에이전트 하네스, 추론 강도, 테스트 조건(“명시된 조건” 열)을 정한다. 따라서 모델 간 비교는 신중해야 하며, 몇 점 차이로 두 모델의 순위를 매길 수는 없다.
수치를 더하지 않음: 이 페이지는 이미 데이터에 있는 점수만 계산이나 평균 없이 보여 준다. 점수가 공개되지 않은 모델은 나열하지 않는다.
기본 정렬(높은 점수 순)은 순위가 아니다. 열 머리글을 클릭하면 다른 기준으로 정렬할 수 있다.

데이터 확인일 10월 30일

표시된 점수: 15 · 벤치마크: 2

개발사가 보고한 점수 DeepSWE v1.1개. 열 머리글은 정렬 버튼이다.
				출처
Gemini 4 Argon	Google	77.9%	Google 발표	출처 — Gemini 4 Argon
DeepSeek V4.1-Flash-1017	DeepSeek	77%	DeepSeek 발표, Mini-SWE-V2 하네스	출처 — DeepSeek V4.1-Flash-1017
MiniMax M3.1 Flash	MiniMax	73.7%	MiniMax 발표	출처 — MiniMax M3.1 Flash
Grok 4.7	xAI	71%	높은 추론 강도, xAI 발표	출처 — Grok 4.7
Kimi K3	Moonshot AI	67.3%	mini-SWE-agent 하네스(DeepSWE 리더보드), Moonshot 인용	출처 — Kimi K3
GLM-5.3	Z.ai	66.9%	Z.ai 발표	출처 — GLM-5.3
GLM-5.3-Flash	Z.ai	63.4%	Z.ai 발표	출처 — GLM-5.3-Flash
DeepSeek V4-Pro-0813	DeepSeek	62.7%	DeepSeek Harness(최소 모드), 추론 강도 최대, DeepSeek 발표	출처 — DeepSeek V4-Pro-0813
Muse Spark Open (816B-A42B)	Meta	60%	Meta 발표, 선호 하네스, xhigh 추론	출처 — Muse Spark Open (816B-A42B)
Qwen3.8-Max	Alibaba (Qwen)	56.6%	Claude Code와 mini-SWE-agent 중 높은 점수, Qwen 발표	출처 — Qwen3.8-Max
Qwen3.8-27B	Alibaba (Qwen)	42.2%	Claude Code 하네스, Qwen 발표	출처 — Qwen3.8-27B

개발사가 보고한 점수 Terminal-Bench 4.0개. 열 머리글은 정렬 버튼이다.
				출처
Kimi K3.1 Pro	Moonshot AI	65.7%	Claude Code 하네스, Moonshot 보고	출처 — Kimi K3.1 Pro
Gemini 4 Carbon	Google	65.2%	Artificial Analysis 하네스, Google 보고	출처 — Gemini 4 Carbon
GPT-6.1 Terra	OpenAI	50.3%	추론 강도 최대, OpenAI 보고	출처 — GPT-6.1 Terra
Nanbeige4.3-33B	Nanbeige (BOSS Zhipin)	23.8%	mini-swe-agent v2.4.6 하네스, Nanbeige 보고	출처 — Nanbeige4.3-33B