88Z.ai / 排行榜

AI 编程模型排行榜

覆盖代码对战、软件工程修复、跨语言编辑和 LiveBench 编程套件。

本站最近采集时间:2026-11-13 06:41 (UTC+8, Asia/Shanghai)。各来源的发布日期见表中或文末引用。

覆盖代码对战、软件工程修复、跨语言编辑和 LiveBench 编程套件。

234 个模型系列(同一系列只展示成绩最好的变体)

表头可点击排序。以下为服务器渲染的完整表格,关闭脚本后仍可阅读。

#模型编程综合WebDevLiveBenchAiderSWE-bench
1Gemini 4 CarbonGoogle100—91——
2GPT 5 (High)OpenAI100——88—
3Claude Fable 5.2 (xHigh)Anthropic1001,836———
4Claude 4.5 OpusAnthropic100———76.8
5Claude 4.6 OpusAnthropic98.2———75.6
6Claude Fable 5.1Anthropic98.2—89.7——
7GPT 6.1 TerraOpenAI97.5—89.2——
8Claude Opus 5.5 (Max)Anthropic97.21,814———
9O3 Pro (High)OpenAI96.3——84.9—
10Gemini 3 Pro PreviewGoogle96.2———74.2
11GPT 6 AstraOpenAI95.0—87.5——
12Gemini 2.5 Pro Preview 06 05 32k Think (Thinking)Google94.2——83.1—
13Gemini 4 ArgonGoogle92.5—85.7——
14O3 (High)OpenAI92.1——81.3—
15Claude 4.5 SonnetAnthropic92.0———71.4
16Claude Sonnet 5.5 (xHigh)Anthropic91.71,773———
17Kimi k2.5Moonshot91.2———70.8
18Muse Spark 1.3Meta90.7—84.4——
19GPT 5.6 TerraOpenAI90.4—84.2——
20Grok 4 (High)xAI90.0——79.6—
21Gemini 2.5 Pro Preview 06 05 Default Think (Thinking)Google89.5——79.1—
22O3 + GPT 4.1 (High)OpenAI88.4——78.2—
23GPT 6.1 Sol (Max)OpenAI87.91,743———
24Gemini 2.5 Pro Preview 05 06Google86.8——76.9—
25Claude 4 OpusAnthropic86.4———67.6
26Muse Wonder Full (Max)Meta85.31,723———
27DeepSeek v4.1 Flash 1017DeepSeek85.0—80.4——
28Claude 4.5 HaikuAnthropic85.0———66.6
29DeepSeek v3.2 Exp ReasonerDeepSeek83.6——74.2—
30Mistral Large 4 0Mistral83.6—79.4——
31Claude 4 SonnetAnthropic82.5———64.9
32Gemini 4 HydrogenGoogle82.3—78.5——
33Gemini 2.5 Pro Preview 03 25Google82.1——72.9—
34Claude Haiku 5.5Anthropic81.0—77.6——
35Claude Opus 5 (Max)Anthropic81.01,691———
36O4 Mini (High)OpenAI81.0——72—
37Claude Opus 4 20250514 32k Thinking (Thinking)Anthropic81.0——72—
38Kimi k3.1 Pro (Max)Moonshot80.61,688———
39DeepSeek R1 0528DeepSeek80.3——71.4—
40Kimi K2 ThinkingMoonshot80.2———63.4
41Grok 4.6xAI79.8—76.7——
42Claude Opus 4 20250514 No Think (Thinking)Anthropic79.5——70.7—
43qwen3.8 Max 0902阿里巴巴79.11,676———
44DeepSeek v3.2 Exp ChatDeepSeek78.9——70.2—
45GPT 6 Sol (Max)OpenAI78.71,673———
46DeepSeek v4.1 Flash 20261017 (Max)DeepSeek77.51,664———
47Muse Wonder 1.0Meta77.2—74.9——
48Kimi K3 (Max)Moonshot76.71,658———
49Muse Wonder (Max)Meta75.51,649———
50DeepSeek v3.2 ReasonerDeepSeek75.2———60
51Inkling 2 SmallThinking Machines75.21,646———
52Gemini 3.8 FlashGoogle75.0—73.3——
53Grok 4.7xAI74.7—73.1——
54Mimo v2.6 Flash小米集团74.11,638———
55Gemini 3 FlashGoogle73.31,439——75.8
56Hy4 PreviewTencent73.31,632———
57Claude 3 7 Sonnet 20250219 32k Thinking Tokens (Thinking)Anthropic72.6——64.9—
58Claude Fable 5 (High)Anthropic72.51,625———
59qwen3.8 Flash NextAlibaba72.21,624———
60GLM 5.3 (Max)Zhipu72.11,622———
61DeepSeek v4.1 Flash 20260910 (Max)DeepSeek71.81,621———
62DeepSeek R1 + Claude 3 5 Sonnet 20241022DeepSeek71.6——64—
63GPT 6 LunaOpenAI71.4—70.8——
64GPT 5.6 Sol Xhigh Codex HarnessOpenAI71.11,615———
65GLM 5.3 FlashZhipu70.91,60970.9——
66GLM 5Z-AI70.81,435——72.8
67U2 Flashunisound70.51,611———
68Muse Ember (Max)Meta70.31,609———
69GLM 5.2 (Max)zai70.21,608———
70Devstral Small 2512Mistral69.9———56.4
71GPT 5.2OpenAI69.81,420——72.8
72MiniMax m2.5MiniMax69.81,386——75.8
73O1 2024 12 17 (High)OpenAI68.8——61.7—
74Gemini 3 ProGoogle68.81,441——69.6
75qwen3.8 27bAlibaba68.61,59069.3——
76Claude Sonnet 4 20250514 32k Thinking (Thinking)Anthropic68.4——61.3—
77qwen3.8 (Max)Alibaba67.91,67060.9——
78MiniMax m3.1 Flash稀宇科技67.91,58568.8——
79Gemini 3.7 Flash (High)Google67.61,588———
80Mimo v2.6 Pro小米集团67.41,62464.5——
81O3 Mini (High)OpenAI67.3——60.4—
82Claude 3 7 Sonnet 20250219 No Thinking (Thinking)Anthropic67.3——60.4—
83Step 5 Preview阶跃星辰66.9—67.6——
84DeepSeek V4 Flash (High)DeepSeek66.71,582———
85DeepSeek V4 Pro High 20260813DeepSeek66.71,581———
86GLM 4.5Z.ai66.7———54.2
87Qwen3 235b A22b Diff No Think Alibaba ApiAlibaba66.4——59.6—
88Devstral 2512Mistral66.1———53.8
89Kimi K2Moonshot65.8——59.1—
90Claude 3.7 SonnetAnthropic64.6———52.8
91GPT 5.2 CodexOpenAI64.51,338——72.8
92Claude Opus 4.7 (High)Anthropic63.51,557———
93Claude Opus 4.8 (High)Anthropic63.31,555———
94DeepSeek R1DeepSeek63.2——56.9—
95Grok 4.5xAI62.91,552———
96Claude Sonnet 4 20250514 No Thinking (Thinking)Anthropic62.6——56.4—
97Claude Opus 4.6 (High)Anthropic62.11,547———
98DeepSeek v3.2DeepSeek61.61,326——70
99Muse Spark 1.1Meta61.51,541———
100Claude Sonnet 5 (High)Anthropic61.11,539———
101DeepSeek V3 0324DeepSeek61.0——55.1—
102Gemini 2.5 Flash Preview 05 20 24k Think (Thinking)Google61.0——55.1—
103Gemini 3.6 Flash (High)Google61.01,538———
104Quasar AlphaOther60.5——54.7—
105Muse Spark 1.2 (xHigh)Meta60.41,534———
106GPT 5.1OpenAI59.71,342——66
107Muse Spark Open (Max)Meta59.51,526———
108GPT 5.1 CodexOpenAI59.51,338——66
109Claude Sonnet 4.6Anthropic58.91,522———
110Grok 3 BetaxAI58.9——53.3—
111GPT 5.6 Terra Xhigh Codex HarnessOpenAI58.71,520———
112GPT 5.6 Luna Xhigh Codex HarnessOpenAI58.51,519———
113seed2.1 Pro PreviewByteDance58.51,519———
114Optimus AlphaOther58.4——52.9—
115qwen3.7 Max 20260517Alibaba58.01,515———
116GPT 5.5 Xhigh Codex HarnessOpenAI57.61,512———
117Kimi k2.6Moonshot57.31,509———
118GLM 5.1zai57.11,508———
119Claude 3 5 Sonnet 20241022Anthropic56.9——51.6—
120Hy3Tencent56.81,506———
121Gemini 3.5 Flash (High)Google56.01,500———
122Claude Opus 4.5 High 32k 20251101Anthropic55.11,493———
123GPT 5.5 High Codex HarnessOpenAI54.41,487———
124Grok 3 Mini Beta (High)xAI54.1——49.3—
125Spark x2.6科大讯飞54.01,485———
126MiniMax M3稀宇科技53.91,484———
127qwen3.6 Max PreviewAlibaba53.71,482———
128Mimo v2.5 Proxiaomi53.31,479———
129MiniMax M2MiniMax53.21,299——61
130O4 (Mini)OpenAI53.1———45
131DeepSeek Chat V3 PrevDeepSeek53.1——48.4—
132Kimi k2.7 CodeMoonshot52.71,474———
133Claude Opus 4.5 20251101Anthropic51.91,469———
134GLM 4.6Z.ai51.91,342——55.4
135Gemini 2.5 Flash Preview 04 17 (Default) Google51.5——47.1—
136GPT 4.1OpenAI51.5——52.439.6
137Kimi K2 InstructMoonshot51.3———43.8
138DeepSeek V4 Pro Preview (High)DeepSeek51.21,463———
139GPT 5.4 High Codex HarnessOpenAI51.11,462———
140qwen3.6 PlusAlibaba51.01,461———
141GPT 5.5 Codex HarnessOpenAI50.21,455———
142ChatGPT 4o Latest 2025 03 29OpenAI49.4——45.3—
143DeepSeek V4 ProDeepSeek49.31,448———
144Mistral Large 4Mistral49.31,56444.4——
145Gemini 3.1 Pro PreviewGoogle49.01,446———
146GPT 4.5 PreviewOpenAI48.9——44.9—
147GPT 5.4OpenAI48.51,442———
148Mimo v2.5xiaomi47.91,438———
149Gemini 2.5 Flash Preview 05 20 No Think (Thinking)Google47.9——44—
150Nemotron Super Vl 3.5NVIDIA47.8—54.1——
151Beam 1.0 501b A23breflection47.71,437———
152Gemini 3.5 Flash LiteGoogle47.61,435———
153GLM 4.7zai47.51,435———
154Qwen3 Coder 480b A35b InstructAlibaba47.51,275——55.4
155Mimo V2 Proxiaomi47.41,434———
156DeepSeek V4 Flash Preview (High)DeepSeek47.01,431———
157GPT Oss 120b (High)OpenAI45.3——41.8—
158Smaug Nemotron 3.5 Nvfp4NVIDIA44.1—51.5——
159Inkling SmallThinking Machines43.91,408———
160GPT 5.3 Codex Codex HarnessOpenAI43.71,406———
161Kimi k2.5 InstantMoonshot43.71,405———
162Qwen3 32bAlibaba43.1——40—
163Nvidia Nemotron 3.5 Super Vl 120b A12b Nvfp4NVIDIA43.11,401———
164Gemini 2.5 ProGoogle43.11,228——53.6
165qwen3.5 397b A17bAlibaba43.01,400———
166GLM 5v Turbozai42.81,399———
167MiniMax m2.7MiniMax42.71,398———
168GPT 5.4 Mini (High)OpenAI42.71,398———
169Inklingthinky42.51,41448.7——
170Claude Sonnet 4.5 High 32k 20250929Anthropic42.11,393———
171Claude Opus 4.1 20250805Anthropic41.61,389———
172Gemini Exp 1206Google41.0——38.2—
173Claude Sonnet 4.5 20250929Anthropic41.01,385———
174MiniMax m2.1 PreviewMiniMax40.91,384———
175Gemini 3 Flash MinimalGoogle40.91,384———
176Grok 4.20 Beta Reasoning 0309xAI39.71,375———
177Solar Pro 4Upstage38.91,369———
178GPT 5 NanoOpenAI38.1———34.8
179Gemini 2.0 Pro Exp 02 05Google37.9——35.6—
180qwen3.5 122b A10bAlibaba37.71,360———
181Gemma 4 26b A4bGoogle37.51,358———
182Hy3 PreviewTencent37.51,358———
183Grok 4.3xAI37.41,357———
184qwen3.5 27bAlibaba37.41,357———
185Muse GlimmerMeta37.01,355———
186Laguna m.1poolside36.41,350———
187O1 Mini 2024 09 12OpenAI34.7——32.9—
188Mimo V2 Flash Non Thinking (Thinking)xiaomi33.91,331———
189Claude Haiku 4.5 20251001Anthropic33.81,330———
190Kimi K2 Thinking TurboMoonshot32.71,322———
191Laguna xs.2poolside30.31,303———
192Gemini 2.5 FlashGoogle29.1———28.7
193Claude 3 5 Haiku 20241022Anthropic28.9——28—
194Mimo V2 Flash (Thinking)xiaomi28.81,292———
195ChatGPT 4o Latest 2025 02 15OpenAI27.8——27.1—
196Qwq 32b + Qwen 2.5 Coder InstructOther26.8——26.2—
197DeepSeek v3.2 ExpDeepSeek26.01,270———
198Mistral Medium 3.5Mistral25.01,263———
199Kat Coder Pro V1Other24.31,258———
200Gemini 3.1 Flash Lite PreviewGoogle24.01,256———
201qwen3.5 35b A3bAlibaba23.71,253———
202GPT 4o 2024 08 06OpenAI23.1——23.1—
203qwen3.5 FlashAlibaba22.51,244———
204Grok 4.1 Fast ReasoningxAI22.21,242———
205Gemini 2.0 Flash ExpGoogle22.0——22.2—
206Qwen Max 2025 01 25Alibaba21.6——21.8—
207Trinity Large ThinkingArcee AI21.51,236———
208Mistral Large 3Mistral21.11,233———
209Nemotron Super Vl 3.5 Nvfp4NVIDIA20.5—34.8——
210Qwq 32bAlibaba20.5——20.9—
211Gemma 4 31bGoogle19.51,37020.3——
212Grok 4.1 (Thinking)xAI19.01,217———
213GPT 4oOpenAI18.6———21.6
214Llama 4 Maverick InstructMeta17.8———21.0
215GPT 4o 2024 11 20OpenAI17.3——18.2—
216Gemini 2.0 Flash Thinking Exp 01 21Google17.3——18.2—
217DeepSeek Chat v2.5DeepSeek16.8——17.8—
218Devstral 2Mistral16.21,196———
219Granite 4.1 8bIBM15.81,193———
220Llama 4 MaverickMeta14.2——15.6—
221Mercury 2inception-ai12.91,171———
222Grok Code Fast 1xAI12.11,164———
223Grok 4 Fast ReasoningxAI11.81,162———
224Yi LightningOther11.0——12.9—
225Command A 03 2025 QualityOther10.0——12—
226Codestral 25.01Mistral8.9——11.1—
227Openhands Lm 32b v0.1Other7.8——10.2—
228qwen2.5 Coder 32b InstructAlibaba7.6——16.49
229Gemini 2.0 FlashGoogle6.7———13.5
230GPT 4.1 NanoOpenAI6.3——8.9—
231Gemma 3 27b ItGoogle1.5——4.9—
232Llama 4 Scout InstructMeta0.1———9.1
233GPT 4o Mini 2024 07 18OpenAI0——3.6—
234Devstral Medium 2507Mistral01,072———

数据来源

  • LMArena 网页开发对战 — 官方 webdev / latest,衡量前端与网页生成对战表现。
  • LiveBench 2.0 — 官方 CSV 成绩。综合分按官网公式计算:Long Agentic ×2、Design ×1.5、Coding ×1.5,其余套件 ×1,再对已有套件做加权平均。
  • Aider Polyglot — 官方 polyglot_leaderboard.yml,指标为第二轮通过率(pass_rate_2,225 道跨语言习题)。同一模型多次提交取最高分。
  • SWE-bench Verified(mini-SWE-agent) — 官方 leaderboards.json 中 Verified 榜、mini-SWE-agent 协议下的 resolved 百分比,便于在相近脚手架下比较模型。不同智能体的成绩不可直接混比,本站综合编程分只采用该协议。

常见问题

这些分数是怎么来的?
全部来自公开测评或官方发布的机器可读数据,每一项都标注来源链接和日期。本站不编造分数,也不把缺项当成 0 分。
综合分如何计算?
先把各来源分数在该来源内部做最小-最大规范化,再按 Artificial Analysis 28%、LMArena 文本对战 28%、LiveBench 22%、编程综合 15%、推理综合 7% 加权。缺少某项时,只在已有项之间重新分配权重。至少要有两项主流测评(或三项分项)才会进入综合榜。同一系列多个变体只保留综合分最高的一条。
本站价格和评测是一回事吗?
不是。评测分数来自第三方公开榜单;人民币价格是本站模型目录的参考价(1 元 = 1,000 积分),按实际用量结算。二者分开展示,避免把计费和能力混为一谈。
多久更新一次?
采集任务每天自动运行。来源本身可能不是每天都发布新成绩,所以页面会同时给出本站采集时间和来源发布日期。