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 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。
编程 Elo· 71 个模型- #1Claude Fable 5.21826
- #2Claude Opus 5.51815.6
- #3Claude Sonnet 5.51772.2
- #4Gemini 4 Carbon1768.3
- #5GPT-6 Astra1762.9
Agent 得分· 46 个模型- #1Claude Fable 5.228.61
- #2Claude Opus 5.518.19
- #3Gemini 4 Carbon16.45
- #4Claude Sonnet 5.515.29
- #5Gemini 4 Hydrogen14.91
通过率%· 21 个模型- #1Gemini 4 Carbon60.4%
- #2Claude Fable 5.260.0%
- #3Claude Opus 5.557.8%
- #4Gemini 4 Hydrogen57.8%
- #5Claude Sonnet 5.555.5%
Pass@1 通过率%· 20 个模型- #1Claude Fable 5.216.4%
- #2Claude Opus 5.512.0%
- #3Gemini 4 Carbon10.9%
- #4GPT-6 Astra9.6%
- #5Muse Wonder Full9.0%
智能指数· 33 个模型- #1Claude Fable 5.264.6
- #2Gemini 4 Carbon60
- #3Claude Opus 5.559.1
- #4GPT-6 Astra56.9
- #5GPT-6.1 Sol54.6
准确率%· 29 个模型- #1Claude Fable 5.271.3%
- #2Claude Sonnet 5.570.8%
- #3Gemini 4 Carbon70.5%
- #4Claude Opus 5.570.1%
- #5Gemini 4 Argon69.4%
得分%· 27 个模型- #1GPT-6 Astra85.8%
- #2Claude Fable 5.285.6%
- #3Claude Fable 5.185.1%
- #4Gemini 4 Carbon84.8%
- #5Claude Opus 5.584.7%
竞技场 Elo· 99 个模型- #1Gemini 4 Carbon1526.2
- #2Gemini 4 Argon1521.7
- #3Muse Wonder1510.9
- #4Claude Opus 5.51506.8
- #5Claude Fable 51504
LMArena Code编码
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」
| # | 模型 | 编程 Elo | 性价比 | 选型行动 |
|---|---|---|---|---|
| #1 | Claude Fable 5.2Anthropic | 1826 | 9.9 | |
| #2 | Claude Opus 5.5Anthropic | 1815.6 | 18.4 | |
| #3 | Claude Sonnet 5.5Anthropic | 1772.2 | 33.6 | |
| #4 | Gemini 4 CarbonGoogle | 1768.3 | 36.2 | |
| #5 | GPT-6 AstraOpenAI | 1762.9 | 7.1 | |
| #6 | Qwen4-MaxQwen | 1749.8 | 57 | |
| #7 | Claude Fable 5.1Anthropic | 1742.9 | 6.7 | |
| #8 | GPT-6.1 SolOpenAI | 1742.3 | 34.2 | |
| #9 | Muse Wonder FullMeta | 1723.9 | 15.6 | |
| #10 | Gemini 4 HydrogenGoogle | 1703.9 | 46.3 | |
| #11 | Claude Opus 5Anthropic | 1691.1 | 4.2 | |
| #12 | Kimi K3.1 ProMoonshot AI | 1686.2 | 32.6 | |
| #13 | GPT-6.1 TerraOpenAI | 1680.7 | 63.1 | |
| #14 | Gemini 4 ArgonGoogle | 1679.1 | 32 | |
| #15 | Qwen3.8-MaxQwen | 1675.6 | 36.2 | |
| #16 | GPT-6 SolOpenAI | 1672.8 | 33.8 | |
| #17 | 1668 | 289.1 | ||
| #18 | DeepSeek-V4.1-FlashDeepSeek | 1661.4 | 228.3 | |
| #19 | Kimi K3Moonshot AI | 1657.7 | 18 | |
| #20 | Muse Spark 1.3Meta | 1655.1 | 48.3 | |
| #21 | Muse WonderMeta | 1647.3 | 14.6 | |
| #22 | Inkling 2 SmallThinking Machines | 1644.7 | 234.8 | |
| #23 | Grok 4.7xAI | 1640.1 | 34.8 | |
| #24 | Hunyuan Hy4Tencent | 1631.6 | 87.6 | |
| #25 | Claude Fable 5Anthropic | 1625.7 | 6.8 | |
| #26 | Qwen 4 PreviewQwen | 1624.5 | 40.9 | |
| #27 | GLM-5.3Zhipu AI | 1622.3 | 45.3 | |
| #28 | Grok 4.6xAI | 1618.1 | 37.6 | |
| #29 | GPT-5.6 SolOpenAI | 1615.7 | 10.4 | |
| #30 | GLM-5.3-FlashZhipu AI | 1609.1 | 429.2 | |
| #31 | Muse EmberMeta | 1607.9 | 531.4 | |
| #32 | GLM-5.2Zhipu AI | 1607.6 | 57.7 | |
| #33 | Claude Haiku 5.5Anthropic | 1593.2 | 51.7 | |
| #34 | Qwen3.8-27BQwen | 1589.9 | 220.5 | |
| #35 | Gemini 3.7 FlashGoogle | 1588.3 | 80.7 | |
| #36 | Gemini 3.8 FlashGoogle | 1583 | 73.5 | |
| #37 | MiniMax-M3.1-FlashMiniMax | 1582 | 340.5 | |
| #38 | DeepSeek-V4-FlashDeepSeek | 1581.6 | 415.6 | |
| #39 | DeepSeek-V4-ProDeepSeek | 1580.8 | 142.4 | |
| #40 | GPT-6 LunaOpenAI | 1576.6 | 500.5 | |
| #41 | Mistral Large 4Mistral AI | 1566.3 | 49.3 | |
| #42 | Claude Opus 4.8Anthropic | 1557 | 14.4 | |
| #43 | Grok 4.5xAI | 1552.5 | 46 | |
| #44 | Claude Sonnet 5Anthropic | 1539.1 | 26.1 | |
| #45 | Gemini 3.6 FlashGoogle | 1537.6 | 92.5 | |
| #46 | Claude Sonnet 4.6Anthropic | 1522.3 | 22.6 | |
| #47 | GPT-5.6 TerraOpenAI | 1520.2 | 24.2 | |
| #48 | GPT-5.6 LunaOpenAI | 1519.1 | 243.3 | |
| #49 | Qwen3.7-MaxQwen | 1515.2 | 205.7 | |
| #50 | GPT-5.5OpenAI | 1512.1 | 18.1 | |
| #51 | Kimi K2.6Moonshot AI | 1509.5 | 82.3 | |
| #52 | GLM-5.1Zhipu AI | 1508 | 61.6 | |
| #53 | Gemini 3.5 FlashGoogle | 1505.5 | 39.8 | |
| #54 | MiniMax-M3MiniMax | 1484.1 | 164.9 | |
| #55 | Qwen3.6-PlusQwen | 1482.3 | 245 | |
| #56 | Kimi K2.7 CodeMoonshot AI | 1474.5 | 45.8 | |
| #57 | GPT-5.4OpenAI | 1461.5 | 22.8 | |
| #58 | Gemini 3.1 ProGoogle | 1446.4 | 48.7 | |
| #59 | Gemini 3 ProGoogle | 1440.8 | 48.7 | |
| #60 | GLM-4-PlusZhipu AI | 1435.8 | 85.8 | |
| #61 | Gemini 3.5 Flash-LiteGoogle | 1432.1 | 108.4 | |
| #62 | MiniMax-M2.7MiniMax | 1397.9 | 212.2 | |
| #63 | GPT-5.4 miniOpenAI | 1397.8 | 69.1 | |
| #64 | DeepSeek-V3DeepSeek | 1362.5 | 621.8 | |
| #65 | Grok 4.3xAI | 1357.4 | 70.9 | |
| #66 | Claude Haiku 4.5Anthropic | 1330.1 | 51.6 | |
| #67 | Mistral Medium 3.5Mistral AI | 1263.2 | 74.9 | |
| #68 | Qwen3.8-FlashQwen | 1243.7 | 508.1 | |
| #69 | 1241.6 | 371.8 | ||
| #70 | Mistral Large 3Mistral AI | 1230.9 | 30.5 | |
| #71 | Gemini 2.5 ProGoogle | 1226.4 | 25.1 |
「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。
📊 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。