跳到正文
評測來源

Arena WebDev

LMArena · 同樣是真人盲選,比的是網頁好不好用、能不能交付。

官方評測
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
1Claude Fable 5.2 (xHigh)Anthropic1,823.6xHigh 推理
2Claude Opus 5.5 (Max)Anthropic1,819Max 推理
3Claude Sonnet 5.5 (xHigh)anthropic1,772xHigh 推理
4Gemini 4 Carbon (High)google1,768.7High 推理
5GPT-6.2 Astra (Max)OpenAI1,766.2Max 推理
6Gemini 4 Neon (High)Google1,764.9High 推理
7GPT-6 Astra (Max)OpenAI1,764Max 推理
8GPT-6.2 Sol (Max)OpenAI1,754Max 推理
9Qwen4-Max (xHigh)alibaba1,750.9xHigh 推理
10GPT-6.1 Sol (Max)openai1,743.4Max 推理
11Claude Fable 5.1 (Max)Anthropic1,741.9Max 推理
12Muse Wonder Full (Max)Meta1,722.6Max 推理
14Gemini 4 Hydrogen (High)google1,700.6High 推理
15Claude Opus 5 (Max)Anthropic1,691.6Max 推理
16GPT-6.1 Terra (Max)OpenAI1,685.4Max 推理
17Kimi K3.1 Pro (Max)Kimi1,683Max 推理
18Gemini 4 Argon (High)google1,682.4High 推理
19GPT-6 Sol (Max)OpenAI1,674.4Max 推理
21Qwen3.8-MaxAlibaba1,670.4來源預設配置
22Kimi K3 (Max)Moonshot AI1,659.2Max 推理
23DeepSeek-V4.1-Flash-20261017 (Max)deepseek1,658Max 推理
25Muse Spark 1.3 (Max)Meta1,653Max 推理
26Hy4hunyuan1,650.5來源預設配置
27Muse Wonder (Max)Meta1,647Max 推理
28Inkling 2 Smallthinky1,642.7來源預設配置
29Grok 4.7 (xHigh)xAI1,638.9xHigh 推理
30MiMo-V2.6-FlashXiaomi1,637.5來源預設配置
31Hy4 previewTencent1,631.4來源預設配置
32Claude Fable 5 (High)Anthropic1,625.9High 推理
33Qwen3.8-Flash-NextAlibaba1,625.7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。