⌘ K
… 读取采集状态 同步中...
雷
评测来源

LiveBench · 编程综合

LiveBench / 编程 · Coding + Agentic Coding 两项均分，各占 50%。

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 04:15
最近成功同步10/13 02:05

它测什么，怎么测

先分别计算 Coding、Agentic Coding 的分类成绩，再各占 50% 求平均，最后保留一位小数。两项均分与官网单独选择某一类的成绩不同。

如何使用这份证据

两项均分作为一份证据参与排名，各专项共用 LiveBench 证据家族；Global Average 仅供参考，不重复计票。

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-max-effortAnthropic80.5%Max 推理
2deepseek-v4.1-flash-maxDeepSeek78.7%来源默认配置
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%来源默认配置
8claude-opus-5-max-effortAnthropic73.3%Max 推理
9muse-spark-1.3-xhighMeta72.6%xHigh 推理
10kimi-k3Moonshot AI71.8%来源默认配置
11gpt-5.6-sol-maxOpenAI70.1%Max 推理
12claude-sonnet-5-xhigh-effortAnthropic70.0%xHigh 推理
13glm-5.3Z.ai69.9%来源默认配置
14smaug-flashAbacus.AI69.1%来源默认配置
15gpt-6-astra-maxOpenAI68.8%Max 推理
16qwen3.8-maxAlibaba68.8%来源默认配置
18gemini-3.7-flash-highGoogle68.6%High 推理
19qwen3.8-27bAlibaba68.5%来源默认配置
20smaug-miniAbacus.AI68.1%来源默认配置
21gpt-5.5-xhighOpenAI68.1%xHigh 推理
22glm-5.3-flashZ.ai67.9%来源默认配置
23muse-spark-1.1-xhighMeta67.8%xHigh 推理
24muse-spark-1.2-xhighMeta67.6%xHigh 推理
25claude-haiku-5-5-max-effortAnthropic67.5%Max 推理
26gpt-6.1-sol-max—67.5%Max 推理
27gpt-6-sol-maxOpenAI67.3%Max 推理
28mistral-large-4-high—67.2%来源默认配置
29qwen3.8-flash-nextAlibaba67.1%来源默认配置
30grok-4.6xAI66.9%来源默认配置
31deepseek-v4-flash-vision-expDeepSeek66.7%来源默认配置
32gpt-5.6-terra-maxOpenAI66.6%Max 推理
评测局限与数据署名

两项均分衡量组合表现，不能当成 Coding 单项成绩。官方页面切换分类或是否包含微调模型时，分数与排序会随之变化。组织参与方 Abacus.AI 同时开发 Smaug 模型，其独家成绩需要其他独立来源补充。

数据许可：Apache 2.0

分项成绩由 LiveBench 发布，AIHOT 按上述两类等权汇总并排序。两项均分与 AIHOT 共识分使用不同尺度，不能直接相加。