2026 实时验证

AI 编程模型排行榜

聚合 8 大官方基准榜单镜像与真实开发任务场景评测。官方公开数据透明对齐,中立客观,无付费排名。

8数据源
113模型总数
4评测用例
2026 年 11 月数据周期
2026-11-17最近更新
●我们从 6 家公开评测机构、共 8 张官方榜单直接拉取原始排名,不做二次加权、不做综合排名。想深入了解,点每张卡片底部的「官方 ↗」直达来源。
🧩适配矩阵⚔️横向 PK💳套餐比价
AD赞助内容

📌 8 大官方榜单 · 直连镜像

每张卡片是一家评测机构的 Top-5 缩略图。点「展开完整」查看该机构完整榜单,或直接跳转官方页面。数据 100% 来自各机构,我们不做归纳计算。

LMArena Code ★
真人盲评实时代码生成与编程 Elo 天梯
编码
指标:编程 Elo· 71 个模型
  1. #1Claude Fable 5.21826
  2. #2Claude Opus 5.51815.6
  3. #3Claude Sonnet 5.51772.2
  4. #4Gemini 4 Carbon1768.3
  5. #5GPT-6 Astra1762.9
官方 ↗
LMArena Agent
真人盲评的真实 Agent 编码会话
Agent
指标:Agent 得分· 46 个模型
  1. #1Claude Fable 5.228.61
  2. #2Claude Opus 5.518.19
  3. #3Gemini 4 Carbon16.45
  4. #4Claude Sonnet 5.515.29
  5. #5Gemini 4 Hydrogen14.91
官方 ↗
CursorBench
Cursor 官方 Agent 编码基准 (v4.0)
Agent
指标:通过率%· 21 个模型
  1. #1Gemini 4 Carbon60.4%
  2. #2Claude Fable 5.260.0%
  3. #3Claude Opus 5.557.8%
  4. #4Gemini 4 Hydrogen57.8%
  5. #5Claude Sonnet 5.555.5%
官方 ↗
GDPx (SemiAnalysis)
SemiAnalysis 通用智能体评测基准 (11 大高价值领域 / 206 项复杂任务)
Agent
指标:Pass@1 通过率%· 20 个模型
  1. #1Claude Fable 5.216.4%
  2. #2Claude Opus 5.512.0%
  3. #3Gemini 4 Carbon10.9%
  4. #4GPT-6 Astra9.6%
  5. #5Muse Wonder Full9.0%
官方 ↗
Artificial Analysis
专业权威第三方独立大模型智力指数
综合
指标:智能指数· 33 个模型
  1. #1Claude Fable 5.264.6
  2. #2Gemini 4 Carbon60
  3. #3Claude Opus 5.559.1
  4. #4GPT-6 Astra56.9
  5. #5GPT-6.1 Sol54.6
官方 ↗
Vals AI
真实世界高价值任务评测 (软件/金融/网络安全/自主智能)
综合
指标:准确率%· 29 个模型
  1. #1Claude Fable 5.271.3%
  2. #2Claude Sonnet 5.570.8%
  3. #3Gemini 4 Carbon70.5%
  4. #4Claude Opus 5.570.1%
  5. #5Gemini 4 Argon69.4%
官方 ↗
LiveBench
题库定期换新,月度防污染编程评测
编码
指标:得分%· 27 个模型
  1. #1GPT-6 Astra85.8%
  2. #2Claude Fable 5.285.6%
  3. #3Claude Fable 5.185.1%
  4. #4Gemini 4 Carbon84.8%
  5. #5Claude Opus 5.584.7%
官方 ↗
LMArena Text
全球主流大模型盲评文本对话与综合能力 Elo 积分
对话
指标:竞技场 Elo· 99 个模型
  1. #1Gemini 4 Carbon1526.2
  2. #2Gemini 4 Argon1521.7
  3. #3Muse Wonder1510.9
  4. #4Claude Opus 5.51506.8
  5. #5Claude Fable 51504
官方 ↗

LMArena Code编码

指标: 编程 Elo·71 个模型·拉取于 2026-11-17

查看官方榜单 ↗
✨

不知道哪个模型最契合你的预算与技术栈?

体验「四大王牌套餐对决」与「$20包月 vs API 真实盈亏平衡测算仪」

前往比价与盈亏测算↗
#模型编程 Elo性价比其他榜单排名选型行动
#11826
9.9
L #1
C #2
G #1
A #1
V #1
L #2
L—
#21815.6
18.4
L #2
C #3
G #2
A #3
V #4
L #5
L #4
#31772.2
33.6
L #4
C #5
G #9
A #6
V #2
L #10
L #31
#41768.3
36.2
L #3
C #1
G #3
A #2
V #3
L #4
L #1
#51762.9
7.1
L #7
C—
G #4
A #4
V #8
L #1
L #29
#61749.8
57
L #12
C—G—
A #13
V #11
L #11
L—
#71742.9
6.7
L #6
C #7
G #6
A—V—
L #3
L #7
#81742.3
34.2
L #8
C—
G #8
A #5
V #10
L #6
L #22
#91723.9
15.6
L #11
C—
G #5
A #10
V #7
L—L—
#101703.9
46.3
L #5
C #4
G—
A #7
V #6
L #9
L #10
#11
Claude Opus 5Anthropic
1691.1
4.2
L #15
C #10
G—A—V—L—
L #11
#12
Kimi K3.1 ProMoonshot AI
1686.2
32.6
L #17
C—G—
A #11
V #12
L #14
L #17
#131680.7
63.1
L #9
C—
G #7
A #8
V #14
L #7
L—
#141679.1
32
L #10
C #6
G #10
A #9
V #5
L #8
L #2
#151675.6
36.2
L #32
C—
G #18
A—
V #18
L #23
L #18
#16
GPT-6 SolOpenAI
1672.8
33.8
L #13
C—G—A—V—L—
L #40
#171668
289.1
L—C—G—A—V—L—L—
#181661.4
228.3
L #25
C—
G #12
A #18
V #13
L #13
L #26
#19
Kimi K3Moonshot AI
1657.7
18
L #29
C—
G #17
A—
V #26
L #19
L #13
#201655.1
48.3
L #23
C #14
G #20
A #26
V #29
L #18
L #9
#211647.3
14.6
L #26
C #8
G #11
A #12
V #9
L #12
L #3
#22
Inkling 2 SmallThinking Machines
1644.7
234.8
L #19
C—G—
A #20
V #22
L—
L #66
#231640.1
34.8
L #20
C #11
G #16
A #16
V #20
L #17
L #49
#241631.6
87.6
L #16
C—G—
A #17
V #17
L—L—
#251625.7
6.8
L #14
C—G—A—V—L—
L #5
#261624.5
40.9
L #38
C—G—
A #22
V—L—L—
#27
GLM-5.3Zhipu AI
1622.3
45.3
L #28
C #12
G #19
A #19
V #16
L—
L #20
#281618.1
37.6
L #33
C #15
G—A—V—
L #21
L #41
#291615.7
10.4
L #18
C #13
G—A—V—L—
L #16
#301609.1
429.2
L #37
C #18
G—
A #24
V #28
L #22
L #24
#311607.9
531.4
L #21
C—G—
A #15
V #15
L—L—
#32
GLM-5.2Zhipu AI
1607.6
57.7
L #31
C—G—A—V—L—
L #27
#331593.2
51.7
L #30
C #9
G #14
A #14
V #19
L #16
L #61
#341589.9
220.5
L #39
C—G—
A #29
V—
L #27
L #56
#351588.3
80.7
L #35
C—G—A—V—L—
L #12
#361583
73.5
L #22
C #17
G—A—
V #23
L #26
L #8
#371582
340.5
L #36
C—
G #15
A #21
V #24
L #20
L—
#381581.6
415.6
L—C—G—A—V—L—
L #54
#391580.8
142.4
L—C—G—A—V—L—
L #36
#401576.6
500.5
L #27
C—
G #13
A #23
V #27
L #24
L #53
#41
Mistral Large 4Mistral AI
1566.3
49.3
L #41
C—G—
A #25
V #21
L #25
L #62
#421557
14.4
L—C—G—A—V—L—
L #6
#431552.5
46
L—C—G—A—V—L—
L #34
#441539.1
26.1
L #24
C #20
G—A—V—L—
L #38
#451537.6
92.5
L—C—G—A—V—L—
L #19
#461522.3
22.6
L—C—G—A—V—L—
L #32
#471520.2
24.2
L #34
C #16
G—A—V—
L #15
L #33
#481519.1
243.3
L—
C #19
G—A—V—L—
L #45
#491515.2
205.7
L #42
C—G—A—V—L—
L #30
#50
GPT-5.5OpenAI
1512.1
18.1
L—C—G—A—V—L—
L #21
#51
Kimi K2.6Moonshot AI
1509.5
82.3
L—C—G—A—V—L—
L #37
#52
GLM-5.1Zhipu AI
1508
61.6
L—C—G—A—V—L—
L #35
#531505.5
39.8
L—C—G—A—V—L—
L #23
#54
MiniMax-M3MiniMax
1484.1
164.9
L #44
C—G—
A #30
V—L—
L #55
#551482.3
245
L—C—G—A—V—L—
L #39
#56
Kimi K2.7 CodeMoonshot AI
1474.5
45.8
L—C—G—A—V—L—L—
#57
GPT-5.4OpenAI
1461.5
22.8
L—C—G—A—V—L—
L #25
#581446.4
48.7
L #40
C—G—A—V—L—
L #14
#591440.8
48.7
L—C—G—A—V—L—
L #15
#60
GLM-4-PlusZhipu AI
1435.8
85.8
L—C—G—A—V—L—
L #52
#611432.1
108.4
L—C—G—
A #31
V—L—
L #44
#621397.9
212.2
L—C—G—A—V—L—
L #63
#631397.8
69.1
L—C—G—A—V—L—
L #46
#64
DeepSeek-V3DeepSeek
1362.5
621.8
L—C—G—A—V—L—
L #59
#651357.4
70.9
L—C—G—A—V—L—
L #51
#661330.1
51.6
L—C—G—A—V—L—
L #65
#671263.2
74.9
L #45
C—G—
A #32
V—L—
L #58
#681243.7
508.1
L—C—G—A—V—L—
L #70
#691241.6
371.8
L—C—G—A—V—L—
L #28
#70
Mistral Large 3Mistral AI
1230.9
30.5
L—C—G—A—V—L—
L #64
#711226.4
25.1
L—C—G—
A #27
V—L—
L #47
排名颜色:#1#2#3#4-5#6-10#11+

「其他榜单排名」列显示该模型在其他榜单里的排名徽章,一眼看清跨榜单表现(灰色 = 该榜单未测过此模型)。各榜单口径不同,数值不可直接横向比较。

LMArena Code 榜:LMSYS 代码竞技场,基于开发者真实盲评代码生成与竞赛挑战计算 Elo 天梯分。数据取自 arena.ai/leaderboard/code 实时同步,我们 1:1 镜像展示,不做二次加权。

AD赞助内容
📊 8 大榜单方法论

LMArena Code 榜:LMSYS 代码竞技场,基于开发者真实盲评代码生成与竞赛挑战计算 Elo 天梯分。数据取自 arena.ai/leaderboard/code 实时同步,我们 1:1 镜像展示,不做二次加权。

编程 Elo71 个模型

LMArena Agent 榜:基于真实的 Agent 编码与多轮工具会话,由真人盲评打分(signal-based agent score)。数据镜像自 arena.ai/leaderboard/agent。

Agent 得分46 个模型

CursorBench 是 Cursor 官方的 Agent 编码基准(v4.0),任务来自真实 Cursor 会话中的多文件、模糊需求场景。指标为 pass rate (%)。数据镜像自 cursor.com/cursorbench 官方快照。

通过率%21 个模型

SemiAnalysis GDPx:由 SemiAnalysis 联合 14 家领域数据机构打造的通用智能体评测基准,覆盖芯片设计、网络安全、软件工程、量化交易、硬件设计等 11 大高经济价值领域的 206 项高难度任务。指标为 Pass@1 (%)。数据镜像自 gdpx.semianalysis.com。

Pass@1 通过率%20 个模型

Artificial Analysis 综合指数 (Intelligence Index):专注评估前沿大模型的综合推理、智商与代码质量,覆盖 600+ 主流前沿模型,每日高频跟踪最新发布。

智能指数33 个模型

Vals AI (Vals Index):专注评估全球前沿模型在真实世界高价值复杂任务(软件工程、金融量化、网络安全及自主智能体)中的执行准确率。指标为 Accuracy (%)。数据直接取自 vals.ai/home 官方基准并 1:1 镜像展示。

准确率%29 个模型

LiveBench 编程专项:每月定期换新防污染题库,提取代码补全 (code completion)、代码生成 (code generation)、JS、Python 与 TypeScript 等核心编程得分。

得分%27 个模型

LMArena Text 榜:全球最大规模真人盲测竞技场(Chatbot Arena),评估大语言模型跨领域文本生成与复杂指令遵从的综合 Elo 评分。数据实时镜像自 arena.ai/leaderboard/text。

竞技场 Elo99 个模型

所有排名和数值都直接来自官方数据源,我们只做名称匹配和聚合展示,不做任何加权、加分或二次排名。各榜单方式不同,请勿直接横向比较不同榜单的原始数值。