⌘ K
… 读取采集状态 同步中...
雷
评测来源

Arena WebDev

LMArena · 同样是真人盲选，比的是网页好不好用、能不能交付。

官方评测
在 电商热点雷达 · AI 中参与排名
证据预算2.4%
上游数据时间10/08 08:00
最近成功同步10/13 02:05

它测什么，怎么测

只取官方发布快照中的 WebDev 总榜，不抓取 arena.ai 实时页面；与 Text 共同构成一张 Arena 家族票。

如何使用这份证据

编程与设计预算中的 2.4%；在审美分类衡量网页作品偏好，不等同代码正确率。仍与 Arena 其他任务共用证据家族。

评测成绩

按固定规则，每个公开模型采用一套代表配置。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

原榜名次原榜型号原始成绩代表配置
1claude-opus-5.5-maxAnthropic1,813Max 推理
2gpt-6-astra-maxOpenAI1,786.1Max 推理
3claude-sonnet-5.5-xhighanthropic1,774.3xHigh 推理
4gpt-6.1-sol-max—1,755.4Max 推理
5claude-fable-5.1-maxAnthropic1,743.7Max 推理
7claude-opus-5-maxAnthropic1,691.3Max 推理
8gpt-6-sol-maxOpenAI1,688.2Max 推理
9gemini-4-argon-highGoogle1,677.8High 推理
10qwen3.8-max-0902Alibaba1,673.5来源默认配置
11qwen3.8-maxAlibaba1,672.1来源默认配置
13muse-spark-1.3-maxMeta1,656.9Max 推理
14kimi-k3-maxMoonshot AI1,654.4来源默认配置
15grok-4.7-xhighxAI1,639.1xHigh 推理
16mimo-v2.6-flashXiaomi1,636.8来源默认配置
17qwen3.8-flash-nextAlibaba1,632.6来源默认配置
18hy4-previewTencent1,631.8来源默认配置
19mimo-v2.6-proXiaomi1,629来源默认配置
21claude-fable-5-highAnthropic1,624.7High 推理
22glm-5.3-maxZ.ai1,622.2来源默认配置
23deepseek-v4.1-flash-maxDeepSeek1,618.6来源默认配置
24gpt-5.6-sol-xhigh (codex-harness)OpenAI1,618.3xHigh 推理 · codex-harness
25grok-4.6-highxAI1,617.2High 推理
26glm-5.3-flashZ.ai1,609.2来源默认配置
27glm-5.2-maxZ.ai1,603.2来源默认配置
28qwen3.8-27bAlibaba1,592.8来源默认配置
29gemini-3.7-flash-highGoogle1,591.5High 推理
30claude-haiku-5.5-highAnthropic1,586.9High 推理
31gemini-3.8-flash-highGoogle1,583.5High 推理
32deepseek-v4-pro-high-20260813DeepSeek1,582来源默认配置
33deepseek-v4-flash-highDeepSeek1,581.5来源默认配置
评测局限与数据署名

与 Text 存在偏好构念相关性。

数据许可：CC BY 4.0

成绩由 LMArena 发布，原始分数与 电商热点雷达 · AI 共识分使用不同尺度，不能直接相加。