跳到正文
評測來源

LiveBench · 編程綜合

LiveBench / 編程 · Coding + Agentic Coding 兩項均分,各佔 50%。

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 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
1claude-opus-5-5-max-effortAnthropic80.5%Max 推理
2deepseek-v4.1-flash-maxDeepSeek78.7%來源預設配置
4claude-fable-5-1-max-effortAnthropic76.2%Max 推理
5claude-fable-5-max-effortAnthropic74.1%Max 推理
6claude-sonnet-5-5-max-effortanthropic73.8%Max 推理
7smaug-agenticAbacus.AI73.6%來源預設配置
8claude-opus-5-max-effortAnthropic73.3%Max 推理
9muse-spark-1.3-xhighMeta72.6%xHigh 推理
10kimi-k3Moonshot AI71.8%來源預設配置
11muse-wonder-1.0-max—71.7%Max 推理
12gpt-5.6-sol-maxOpenAI70.1%Max 推理
13claude-sonnet-5-xhigh-effortAnthropic70.0%xHigh 推理
14glm-5.3Z.ai69.9%來源預設配置
15smaug-flashAbacus.AI69.1%來源預設配置
16gpt-6-astra-maxOpenAI68.8%Max 推理
17qwen3.8-maxAlibaba68.8%來源預設配置
19gemini-3.7-flash-highGoogle68.6%High 推理
20qwen3.8-27bAlibaba68.5%來源預設配置
21smaug-miniAbacus.AI68.1%來源預設配置
22gpt-5.5-xhighOpenAI68.1%xHigh 推理
23glm-5.3-flashZ.ai67.9%來源預設配置
24muse-spark-1.1-xhighMeta67.8%xHigh 推理
25muse-spark-1.2-xhighMeta67.6%xHigh 推理
26claude-haiku-5-5-max-effort—67.5%Max 推理
27gpt-6.1-sol-maxopenai67.5%Max 推理
28gpt-6-sol-maxOpenAI67.3%Max 推理
29mistral-large-4-high—67.2%來源預設配置
30qwen3.8-flash-nextAlibaba67.1%來源預設配置
31grok-4.6xAI66.9%來源預設配置
32deepseek-v4-flash-vision-expDeepSeek66.7%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。