LiveBench · 程式設計綜合
LiveBench / 程式設計 · Coding + Agentic Coding 兩項均分,各佔 50%。
在 888news 中參與排名
依據預算8.3%
上游數據時間11/20 02:01
最近成功同步11/23 00:05
它測什麼,怎麼測
讀取 Coding 和 Agentic Coding 的未舍入分項成績;本來源頁保留兩項均分。
如何使用這份依據
計分:只計 Coding 一項(程式設計領域的寫程式碼一類)。Agentic Coding 對部分廠商使用原生工具呼叫提示,流程不統一,暫不計分。
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 | gemini-4-neonGoogle | 86.2% | 來源預設配置 |
| 2 | claude-fable-5.1Anthropic | 82.0% | 來源預設配置 |
| 3 | gemini-4-carbonGoogle | 81.4% | 來源預設配置 |
| 4 | gpt-6.2-astraOpenAI | 81.3% | 來源預設配置 |
| 5 | gpt-6-astraOpenAI | 81.1% | 來源預設配置 |
| 6 | claude-fable-5.2Anthropic | 81.1% | 來源預設配置 |
| 7 | claude-opus-5.5Anthropic | 79.9% | 來源預設配置 |
| 8 | gpt-6.2-solOpenAI | 73.7% | 來源預設配置 |
| 9 | gpt-6.1-solOpenAI | 73.4% | 來源預設配置 |
| 10 | gpt-6.1-terraOpenAI | 72.3% | 來源預設配置 |
| 11 | gemini-4-argonGoogle | 72.1% | 來源預設配置 |
| 12 | gemini-4-hydrogenGoogle | 70.2% | 來源預設配置 |
| 13 | claude-sonnet-5.5anthropic | 69.8% | 來源預設配置 |
| 14 | muse-spark-1.3Meta | 66.2% | 來源預設配置 |
| 15 | claude-haiku-5.5Anthropic | 62.8% | 來源預設配置 |
| 16 | muse-wonder-1.0Meta | 60.6% | 來源預設配置 |
| 17 | deepseek-v4.1-flash-1017DeepSeek | 59.6% | 來源預設配置 |
| 18 | grok-4.7xAI | 59.2% | 來源預設配置 |
| 19 | qwen4-maxAlibaba | 58.2% | 來源預設配置 |
| 20 | gpt-5.6-terraOpenAI | 55.0% | 來源預設配置 |
| 21 | kimi-k3.1-proMoonshot AI | 53.3% | 來源預設配置 |
| 22 | mistral-large-4-0Mistral AI | 52.1% | 來源預設配置 |
| 23 | mimo-v2.6-proXiaomi | 50.5% | 來源預設配置 |
| 24 | gpt-6-lunaOpenAI | 47.8% | 來源預設配置 |
| 25 | grok-4.6xAI | 47.7% | 來源預設配置 |
| 26 | minimax-m3.1-flashMiniMax | 47.3% | 來源預設配置 |
| 27 | glm-5.3-flashZ.ai | 45.8% | 來源預設配置 |
| 28 | gemini-3.8-flashGoogle | 44.9% | 來源預設配置 |
| 29 | kimi-k3Moonshot AI | 44.5% | 來源預設配置 |
| 30 | qwen3.8-maxAlibaba | 43.8% | 來源預設配置 |
評測局限與數據署名
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
成績由 LiveBench 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。