評測來源官方評測
LiveBench · 編程綜合
LiveBench / 編程 · Coding + Agentic Coding 兩項均分,各佔 50%。
在 ATech Hot 中參與排名
評測權重2.4%
來源資料更新時間11/20 02:01
最近成功同步11/22 02:05
它測什麼,怎麼測
先分別計算 Coding、Agentic Coding 的分類成績,再各佔 50% 求平均,最後保留一位小數。兩項均分與官網單獨選擇某一類的成績不同。
如何使用這份證據
兩項均分作為一份證據參與排名,各專項共用 LiveBench 評測類型;Global Average 僅供參考,不重複計票。
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-opus-5-5-max-effortAnthropic | 80.5% | Max 推理 |
| 2 | deepseek-v4.1-flash-maxDeepSeek | 78.7% | 來源預設配置 |
| 4 | claude-fable-5-1-max-effortAnthropic | 76.2% | Max 推理 |
| 5 | claude-fable-5-max-effortAnthropic | 74.1% | Max 推理 |
| 6 | claude-sonnet-5-5-max-effortanthropic | 73.8% | Max 推理 |
| 7 | smaug-agenticAbacus.AI | 73.6% | 來源預設配置 |
| 8 | claude-opus-5-max-effortAnthropic | 73.3% | Max 推理 |
| 9 | muse-spark-1.3-xhighMeta | 72.6% | xHigh 推理 |
| 10 | kimi-k3Moonshot AI | 71.8% | 來源預設配置 |
| 11 | muse-wonder-1.0-max— | 71.7% | Max 推理 |
| 12 | gpt-5.6-sol-maxOpenAI | 70.1% | Max 推理 |
| 13 | claude-sonnet-5-xhigh-effortAnthropic | 70.0% | xHigh 推理 |
| 14 | glm-5.3Z.ai | 69.9% | 來源預設配置 |
| 15 | smaug-flashAbacus.AI | 69.1% | 來源預設配置 |
| 16 | gpt-6-astra-maxOpenAI | 68.8% | Max 推理 |
| 17 | qwen3.8-maxAlibaba | 68.8% | 來源預設配置 |
| 19 | gemini-3.7-flash-highGoogle | 68.6% | High 推理 |
| 20 | qwen3.8-27bAlibaba | 68.5% | 來源預設配置 |
| 21 | smaug-miniAbacus.AI | 68.1% | 來源預設配置 |
| 22 | gpt-5.5-xhighOpenAI | 68.1% | xHigh 推理 |
| 23 | glm-5.3-flashZ.ai | 67.9% | 來源預設配置 |
| 24 | muse-spark-1.1-xhighMeta | 67.8% | xHigh 推理 |
| 25 | muse-spark-1.2-xhighMeta | 67.6% | xHigh 推理 |
| 26 | claude-haiku-5-5-max-effort— | 67.5% | Max 推理 |
| 27 | gpt-6.1-sol-maxopenai | 67.5% | Max 推理 |
| 28 | gpt-6-sol-maxOpenAI | 67.3% | Max 推理 |
| 29 | mistral-large-4-high— | 67.2% | 來源預設配置 |
| 30 | qwen3.8-flash-nextAlibaba | 67.1% | 來源預設配置 |
| 31 | grok-4.6xAI | 66.9% | 來源預設配置 |
| 32 | deepseek-v4-flash-vision-expDeepSeek | 66.7% | 來源預設配置 |
評測侷限與數據署名
兩項均分衡量組合表現,不能當成 Coding 單項成績。官方頁面切換分類或是否包含微調模型時,分數與排序會隨之變化。組織參與方 Abacus.AI 同時開發 Smaug 模型,其獨家成績需要其他獨立來源補充。
數據許可:Apache 2.0
分項成績由 LiveBench 發佈,AIHOT 按上述兩類等權彙總並排序。兩項均分與 AIHOT 共識指數使用不同尺度,不能直接相加。