跳到正文

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 888news 中僅供參考
依據預算不參與排序
上游數據時間11/20 08:00
最近成功同步11/23 00:05

它測什麼,怎麼測

讀取官方釋出的 WebDev / Code Arena 快照,保留上游型號與配置。

如何使用這份依據

只作參考,不計分:部分型號經廠商自己的 Agent(如 codex-harness)參賽。

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
1Claude Fable 5.2 (xHigh)Anthropic1,823.6xHigh 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
2Claude Opus 5.5 (Max)Anthropic1,819Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
3Claude Sonnet 5.5 (xHigh)anthropic1,772xHigh 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
4Gemini 4 Carbon (High)Google1,768.7High 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
5GPT-6.2 Astra (Max)OpenAI1,766.2Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
6Gemini 4 Neon (High)Google1,764.9High 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
7GPT-6 Astra (Max)OpenAI1,764Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
8GPT-6.2 Sol (Max)OpenAI1,754Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
9Qwen4-Max (xHigh)Alibaba1,750.9xHigh 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
10GPT-6.1 Sol (Max)OpenAI1,743.4Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
11Claude Fable 5.1 (Max)Anthropic1,741.9Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
12Muse Wonder Full (Max)Meta1,722.6Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
14Gemini 4 Hydrogen (High)Google1,700.6High 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
15Claude Opus 5 (Max)Anthropic1,691.6Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
16GPT-6.1 Terra (Max)OpenAI1,685.4Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
17Kimi K3.1 Pro (Max)Moonshot AI1,683Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
18Gemini 4 Argon (High)Google1,682.4High 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
19GPT-6 Sol (Max)OpenAI1,674.4Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
21Qwen3.8-MaxAlibaba1,670.4來源預設配置未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
22Kimi K3 (Max)Moonshot AI1,659.2Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
23DeepSeek-V4.1-Flash-20261017 (Max)DeepSeek1,658Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
25Muse Spark 1.3 (Max)Meta1,653Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
26Hy4Tencent1,650.5來源預設配置未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
27Muse Wonder (Max)Meta1,647Max 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
28Inkling 2 SmallThinking Machines Lab1,642.7來源預設配置未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
29Grok 4.7 (xHigh)xAI1,638.9xHigh 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
30MiMo-V2.6-FlashXiaomi1,637.5來源預設配置未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
31Hy4 previewTencent1,631.4來源預設配置未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
32Claude Fable 5 (High)Anthropic1,625.9High 推理未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
33Qwen3.8-Flash-NextAlibaba1,625.7來源預設配置未計入:程式碼成品包含執行系統影響,尚未逐項核實統一的單模型配置,僅供參考。
評測局限與數據署名

不能把不同專用 Agent 或不同執行流程的交付表現直接歸因於底層型號;待共同協議範圍核實後再評估。

數據許可:CC BY 4.0

成績由 LMArena 發布,各項原始分數使用不同尺度,不能直接相加;參考名次採用公開的分差標準化規則。