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
證據預算2.4%
上游數據時間10/01 08:00
最近成功同步10/06 14:05
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 其他任務共用證據家族。
評測成績
按固定規則，每個公開模型採用一套代表配置；沒有可採用配置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 | 代表配置 |
|---|---|---|---|
| 1 | claude-opus-5.5-maxAnthropic | 1,815.4 | Max 推理 |
| 2 | gpt-6-astra-maxOpenAI | 1,787.7 | Max 推理 |
| 3 | claude-sonnet-5.5-xhighanthropic | 1,786.3 | xHigh 推理 |
| 4 | gpt-6.1-sol-maxopenai | 1,757.8 | Max 推理 |
| 5 | claude-fable-5.1-maxAnthropic | 1,749.2 | Max 推理 |
| 7 | claude-opus-5-maxAnthropic | 1,695 | Max 推理 |
| 8 | gpt-6-sol-maxOpenAI | 1,689 | Max 推理 |
| 9 | gemini-4-argon-highgoogle | 1,679.5 | High 推理 |
| 10 | qwen3.8-maxAlibaba | 1,671.2 | 來源預設配置 |
| 11 | qwen3.8-max-0902Alibaba | 1,670 | 來源預設配置 |
| 13 | kimi-k3-maxMoonshot AI | 1,657.8 | 來源預設配置 |
| 14 | muse-spark-1.3-maxMeta | 1,656.6 | Max 推理 |
| 15 | grok-4.7-xhighxAI | 1,637.5 | xHigh 推理 |
| 16 | qwen3.8-flash-nextAlibaba | 1,637.5 | 來源預設配置 |
| 17 | hy4-previewTencent | 1,633.2 | 來源預設配置 |
| 18 | claude-fable-5-highAnthropic | 1,625.3 | High 推理 |
| 20 | glm-5.3-maxZ.ai | 1,623 | 來源預設配置 |
| 21 | deepseek-v4.1-flash-maxDeepSeek | 1,619.9 | 來源預設配置 |
| 22 | gpt-5.6-sol-xhigh (codex-harness)OpenAI | 1,619.8 | xHigh 推理 · codex-harness |
| 23 | grok-4.6-highxAI | 1,619.5 | High 推理 |
| 24 | mimo-v2.6-proXiaomi | 1,618.4 | 來源預設配置 |
| 25 | glm-5.3-flashZ.ai | 1,615.6 | 來源預設配置 |
| 26 | glm-5.2-maxZ.ai | 1,605 | 來源預設配置 |
| 27 | gemini-3.7-flash-highGoogle | 1,591.7 | High 推理 |
| 28 | qwen3.8-27bAlibaba | 1,591.2 | 來源預設配置 |
| 29 | gemini-3.8-flash-highGoogle | 1,582.7 | High 推理 |
| 30 | deepseek-v4-pro-high-20260813DeepSeek | 1,582.6 | 來源預設配置 |
| 31 | deepseek-v4-flash-highDeepSeek | 1,581 | 來源預設配置 |
| 32 | gpt-6-luna-maxOpenAI | 1,578.7 | Max 推理 |
| 33 | step-5-preview-highStepFun | 1,570.2 | 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 共識分使用不同尺度，不能直接相加。