--- title: "SWE-Bench Pro とは？SWE-Benchをさらに難しくした実バグ修正テスト。 | AI用語集 - ai-garage" description: "SWE-Bench Proを初心者向けにやさしく解説。SWE-Benchをさらに難しくした実バグ修正テスト。 SWE-Bench Pro は、AIの実バグ修正・機能実装力を測る SWE-Bench の難化版ベンチマーク（Scale AI が2025年" source: https://ai-garage.jp/glossary/swe-bench-pro/ --- ベンチマーク # SWE-Bench Proとは？ 最終更新 2026年10月9日 （公開 2026年7月6日） SWE-Benchをさらに難しくした実バグ修正テスト。 ⚡ 30秒でわかる ## SWE-Bench Pro の主なポイント - 1 SWE-Bench Pro は、AIの実バグ修正・機能実装力を測る SWE-Bench の難化版ベンチマーク（Scale AI が2025年公開） - 2 公開当時（2025年）に SWE-Bench Verified が最強AIで70%超と飽和しつつあったため、より難しく差がつく後継として登場した（2026年には Claude Opus 5 が Verified で 96.0%） - 3 複数ファイルをまたぎ人間でも数時間〜数日かかる『長丁場』の課題が中心 - 4 学習データへの汚染を防ぐため、GPL など強いライセンスのコードや非公開の企業コードを採用している - 5 公開当初は最上位AIでも公開セットで20%台前半の正解率で、難しさと伸びしろが大きいことを示した 📖 詳しく ## SWE-Bench Pro とは [SWE-Bench](https://ai-garage.jp/glossary/swe-bench/) Pro（スイーベンチ・プロ）は、AIが実際のソフトウェアのバグや機能追加をどれだけ解けるかを測る、SWE-Bench の後継[ベンチマーク](https://ai-garage.jp/glossary/benchmark/)です。AI研究で知られる Scale AI が2025年に公開しました。なぜ必要かというと、定番だった SWE-Bench Verified が公開当時（2025年）すでに「最強AIで70%超」と飽和（ほぼ満点に近づくこと）しつつあり、モデル同士の実力差が見えにくくなっていたためです（その後、2026年7月公開の Claude Opus 5 は Verified で 96.0% に達しています）。SWE-Bench Pro は、複数ファイルにまたがり人間のエンジニアでも数時間〜数日かかるような「長丁場（long-horizon）」の難問を集めているのが特徴です。さらに、問題が学習データに混ざる「汚染」を防ぐため、GPL などの強いライセンスを持つコードや非公開の企業コードベースを使う工夫がされています。公開当初は最上位モデルでも公開セットの正解率が20%台前半にとどまり、企業向けの難問セットではさらに低くなる、伸びしろの大きい領域として注目されました（その後モデルの進化につれてスコアは上昇しています）。 ❓ FAQ ## よくある質問 Q. SWE-Bench Pro とは何ですか？ A. AIが実際のソフトウェア開発タスク（バグ修正や機能追加）をどれだけ自力で解けるかを測るベンチマークです。AI研究で知られる Scale AI が2025年に公開しました。定番だった SWE-Bench の難化・拡張版で、人間のエンジニアでも数時間〜数日かかるような複雑な課題を集めているのが特徴です。 Q. SWE-Bench（Verified）と SWE-Bench Pro は何が違うの？ A. どちらも実際のコードのバグ修正力を測る点は同じですが、難易度と狙いが違います。SWE-Bench Verified には1〜2行で直せる比較的やさしい問題も多く、公開当時（2025年）すでに最強AIで70%超と飽和しつつあり、2026年7月公開の Claude Opus 5 は 96.0%（Anthropic 公表）に達しています。SWE-Bench Pro は複数ファイルにまたがる長丁場の難問だけを集めており、公開当初は同じ最上位モデルでも正解率が20%台前半まで下がりました。 Q. なぜ『汚染を防ぐ』ことが重視されているの？ A. ベンチマークの問題と答えがAIの学習データに混ざっていると、本当の実力ではなく『答えを覚えていただけ』の点数になってしまうからです。これを汚染（コンタミネーション）と呼びます。SWE-Bench Pro は、勝手な転用がしにくい強いライセンス（GPL などのコピーレフト）のコードや、一般公開していない企業のコードベースを使うことで、この汚染を起こりにくくしています。 Q. 初心者はこのスコアをどう見ればいい？ A. 『今のAIにとって本当に難しい、現実的な開発タスクでの実力』の目安だと捉えれば十分です。スコアが低くても悲観する必要はなく、それだけ課題が難しい証拠です。新しいコーディングAIを比べるときは、飽和した SWE-Bench Verified だけでなく SWE-Bench Pro のような難しいベンチも合わせて見ると、実力差がよりはっきり分かります。 🔗 関連 ## あわせて読みたい 関連用語 [SWE-Bench](https://ai-garage.jp/glossary/swe-bench/)[SWE-Bench](https://ai-garage.jp/glossary/swe-bench/)[ベンチマーク](https://ai-garage.jp/glossary/benchmark/)[Agentic Coding](https://ai-garage.jp/glossary/agentic-coding/)[HumanEval](https://ai-garage.jp/glossary/humaneval/) 関連 AI モデル [Claude Code — Anthropic Claude Opus 5.5 を既定に、長い大仕事向けの Claude Fable 5.1 も呼べるエージェント開発のフラッグシップ。ターミナルからスマホまで同じセッションで続けられる。](https://ai-garage.jp/models/claude-code/)[Codex — OpenAI ChatGPT 統合のコーディング相棒。2026-09-29 から GPT-6.1 Sol が既定になり、推奨モデルは GPT-6 Astra・GPT-6.1 Sol・GPT-6 Luna の3本。in-app browser でローカルUIまで触れる。](https://ai-garage.jp/models/codex/)[Cursor — Anysphere（SpaceX 傘下） VS Code ベースのAIネイティブエディタ。自社モデル Composer＋クラウドで自走するエージェント＋Visual Editor。](https://ai-garage.jp/models/cursor/) 関連トピック [AIコーディング戦争 — 開発の現場が完全に書き換わる Cursor・Claude Code・Codex・Copilot Agent が「相棒」から「代理人」へ。1人で5人分の生産性が現実に。](https://ai-garage.jp/topics/ai-coding-war/)[AIエージェント時代の本格幕開け 「指示するAI」から「自分で動くAI」へ。2026年は、AIがコードを書き、画面を操作し、Slackに常駐して仕事を片づける「エージェント」が本番運用に入った年。](https://ai-garage.jp/topics/ai-agent-era/) 📰 この用語が登場する記事 ## 「SWE-Bench Pro」が出てくるニュース [![Claude Opus 5.5 登場！Fable 5.1 並みで費用は Opus 5 の4割減](https://ai-garage.jp/images/news-heroes/claude-opus-5-5-launch-card.webp) 2026/9/23 Claude Opus 5.5 登場！Fable 5.1 並みで費用は Opus 5 の4割減](https://ai-garage.jp/news/claude-opus-5-5-launch/)[![Qwen3.8-27B のウェイト公開！Apache 2.0で商用可、性能と必要な容量](https://ai-garage.jp/images/news-heroes/qwen-3-8-27b-open-weights-card.webp) 2026/8/15 Qwen3.8-27B のウェイト公開！Apache 2.0で商用可、性能と必要な容量](https://ai-garage.jp/news/qwen-3-8-27b-open-weights/)[![Claudeはどれを使う？Opus 5.5・Sonnet 5.5・Fable 5.1の違いと料金](https://ai-garage.jp/images/news-heroes/claude-model-choice-august-2026-card.webp) 2026/7/28 Claudeはどれを使う？Opus 5.5・Sonnet 5.5・Fable 5.1の違いと料金](https://ai-garage.jp/news/claude-model-choice-august-2026/) 📎 SOURCES ## 一次ソース - [→ SWE-Bench Pro 論文 (arXiv:2509.16941)](https://arxiv.org/abs/2509.16941) - [→ Scale AI：SWE-Bench Pro 解説ブログ](https://scale.com/blog/swe-bench-pro) - [→ Anthropic：Claude Opus 5 システムカード（2026-07-24・SWE-bench Verified 96.0%・SWE-bench Pro 79.2%）](https://www-cdn.anthropic.com/c5fbac3f0b1280a933ebd26d3cb8bb9f5bdeaf48/Claude%20Opus%205%20System%20Card.pdf) - [→ SWE-Bench Pro リーダーボード (Scale Labs)](https://labs.scale.com/leaderboard/swe_bench_pro_public) ベンチマーク カテゴリの用語 [Aider Polyglot Leaderboard](https://ai-garage.jp/glossary/aider-leaderboard/)[AIME](https://ai-garage.jp/glossary/aime/)[AIコスパ指数](https://ai-garage.jp/glossary/ai-cospa-index/)[Chatbot Arena](https://ai-garage.jp/glossary/arena/)[GPQA](https://ai-garage.jp/glossary/gpqa/)[HumanEval](https://ai-garage.jp/glossary/humaneval/)[Humanity's Last Exam（HLE）](https://ai-garage.jp/glossary/hle/)[Intelligence Index](https://ai-garage.jp/glossary/intelligence-index/)[LMArena（Chatbot Arena）](https://ai-garage.jp/glossary/lmarena/)[MMLU](https://ai-garage.jp/glossary/mmlu/)[SWE-Bench](https://ai-garage.jp/glossary/swe-bench/)[Terminal-Bench](https://ai-garage.jp/glossary/terminal-bench/)[ベンチマーク](https://ai-garage.jp/glossary/benchmark/)[ロングコンテキスト評価](https://ai-garage.jp/glossary/context-eval/) [← 前の用語 SWE-Bench](https://ai-garage.jp/glossary/swe-bench/) [次の用語 → Terminal-Bench](https://ai-garage.jp/glossary/terminal-bench/) NEXT [FOR BEGINNERS AI初心者ガイド 用語が多くて混乱したら、まず全体像から。AI初心者が「何から始める？」を5分で。](https://ai-garage.jp/beginners/) [GLOSSARY AI用語集 一覧へ 96語をカテゴリ・検索で引ける。気になる用語をまとめてチェック。](https://ai-garage.jp/glossary/)