Claude Mythos プレビューが SWE-bench Verified で93.9%を達成——エージェントコーディングの新水準

概要

Anthropic の Claude Mythos Preview モデルが 2026 年 5 月 1 日時点で SWE-bench Verified ベンチマークにて 93.9% のスコアを記録し、公開リーダーボードの最高位に立った。SWE-bench Verified は実際の GitHub オープンソースリポジトリから抽出したバグ修正タスクをエージェントに解かせ、テストが通るかどうかで評価するベンチマークで、コーディング AI の実力比較に広く使われる。

Claude Opus 4.7 が同ベンチマークで 87.6%（2026 年 4 月リリース時）だったのに対し、Mythos Preview は 6.3 ポイント上回る。ただし Mythos はアクセスが限定的な研究プレビュー段階。また、より難易度が高い SWE-bench Pro では上位モデルでも 20% 台のスコアに留まることが多く、Verified スコアが実際の業務での代替可能性を直接意味するわけではない点に留意が必要だ。

※本記事は公開情報をもとに編集部が再構成したサマリです。一次情報は出典欄をご参照ください。