評測來源官方評測
Arena WebDev
LMArena · 同樣是真人盲選,比的是網頁好不好用、能不能交付。
在 ATech Hot 中參與排名
評測權重2.4%
來源資料更新時間11/20 08:00
最近成功同步11/22 02:05
它測什麼,怎麼測
只取官方發佈快照中的 WebDev 總榜,不抓取 arena.ai 實時頁面;與 Text 共同構成一張 Arena 家族票。
如何使用這份證據
編程與設計預算中的 2.4%;在審美分類衡量網頁作品偏好,不等同代碼正確率。仍與 Arena 其他任務共用評測類型。
評測成績
按固定規則,每個公開模型採用一套用作比較的設定;沒有可採用設定的模型標為未計入並寫明原因。匿名測試型號不展示,保留原榜名次,每項最多 30 個。
| 原榜名次 | 原榜型號 | 原始成績 | 用作比較的設定 |
|---|---|---|---|
| 1 | Claude Fable 5.2 (xHigh)Anthropic | 1,823.6 | xHigh 推理 |
| 2 | Claude Opus 5.5 (Max)Anthropic | 1,819 | Max 推理 |
| 3 | Claude Sonnet 5.5 (xHigh)anthropic | 1,772 | xHigh 推理 |
| 4 | Gemini 4 Carbon (High)google | 1,768.7 | High 推理 |
| 5 | GPT-6.2 Astra (Max)OpenAI | 1,766.2 | Max 推理 |
| 6 | Gemini 4 Neon (High)Google | 1,764.9 | High 推理 |
| 7 | GPT-6 Astra (Max)OpenAI | 1,764 | Max 推理 |
| 8 | GPT-6.2 Sol (Max)OpenAI | 1,754 | Max 推理 |
| 9 | Qwen4-Max (xHigh)alibaba | 1,750.9 | xHigh 推理 |
| 10 | GPT-6.1 Sol (Max)openai | 1,743.4 | Max 推理 |
| 11 | Claude Fable 5.1 (Max)Anthropic | 1,741.9 | Max 推理 |
| 12 | Muse Wonder Full (Max)Meta | 1,722.6 | Max 推理 |
| 14 | Gemini 4 Hydrogen (High)google | 1,700.6 | High 推理 |
| 15 | Claude Opus 5 (Max)Anthropic | 1,691.6 | Max 推理 |
| 16 | GPT-6.1 Terra (Max)OpenAI | 1,685.4 | Max 推理 |
| 17 | Kimi K3.1 Pro (Max)Kimi | 1,683 | Max 推理 |
| 18 | Gemini 4 Argon (High)google | 1,682.4 | High 推理 |
| 19 | GPT-6 Sol (Max)OpenAI | 1,674.4 | Max 推理 |
| 21 | Qwen3.8-MaxAlibaba | 1,670.4 | 來源預設配置 |
| 22 | Kimi K3 (Max)Moonshot AI | 1,659.2 | Max 推理 |
| 23 | DeepSeek-V4.1-Flash-20261017 (Max)deepseek | 1,658 | Max 推理 |
| 25 | Muse Spark 1.3 (Max)Meta | 1,653 | Max 推理 |
| 26 | Hy4hunyuan | 1,650.5 | 來源預設配置 |
| 27 | Muse Wonder (Max)Meta | 1,647 | Max 推理 |
| 28 | Inkling 2 Smallthinky | 1,642.7 | 來源預設配置 |
| 29 | Grok 4.7 (xHigh)xAI | 1,638.9 | xHigh 推理 |
| 30 | MiMo-V2.6-FlashXiaomi | 1,637.5 | 來源預設配置 |
| 31 | Hy4 previewTencent | 1,631.4 | 來源預設配置 |
| 32 | Claude Fable 5 (High)Anthropic | 1,625.9 | High 推理 |
| 33 | Qwen3.8-Flash-NextAlibaba | 1,625.7 | 來源預設配置 |
評測侷限與數據署名
與 Text 存在偏好構念相關性。
數據許可:CC BY 4.0
成績由 LMArena 發佈,原始分數與 ATech Hot 共識指數使用不同尺度,不能直接相加。