LiveBench · 编程综合

Name: LiveBench · 编程综合
Creator: LiveBench

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

在 MyHOT 中参与排名

证据预算8.3%

上游数据时间09/30 03:01

最近成功同步10/03 20:05

它测什么，怎么测

读取 Coding 和 Agentic Coding 的未舍入分项成绩。直接编程与统一工具编程分别进入计算；本来源页保留两项均分，模型页同时展示分项。

直接编程与工具编程按不同任务题族分别比较，同属编程领域；不把二者均分再次计票。

按固定规则，每个公开模型采用一套代表配置；没有可采用配置的模型标为未计入并写明原因。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
1	claude-opus-5-5-max-effortAnthropic	80.5%	Max 推理
2	deepseek-v4.1-flash-maxDeepSeek	78.7%	来源默认配置
4	claude-fable-5-1-max-effortAnthropic	76.2%	Max 推理
5	claude-fable-5-max-effortAnthropic	74.1%	Max 推理
6	claude-sonnet-5-5-max-effortAnthropic	73.8%	Max 推理
7	smaug-agenticAbacus.AI	73.6%	来源默认配置
8	claude-opus-5-max-effortAnthropic	73.3%	Max 推理
9	muse-spark-1.3-xhighMeta	72.6%	xHigh 推理
10	kimi-k3Moonshot AI	71.8%	来源默认配置
11	gpt-5.6-sol-maxOpenAI	70.1%	Max 推理
12	claude-sonnet-5-xhigh-effortAnthropic	70.0%	xHigh 推理
13	glm-5.3Z.ai	69.9%	来源默认配置
14	smaug-flashAbacus.AI	69.1%	来源默认配置
15	gpt-6-astra-maxOpenAI	68.8%	Max 推理
16	qwen3.8-maxAlibaba	68.8%	来源默认配置
18	gemini-3.7-flash-highGoogle	68.6%	High 推理
19	qwen3.8-27bAlibaba	68.5%	来源默认配置
20	smaug-miniAbacus.AI	68.1%	来源默认配置
21	gpt-5.5-xhighOpenAI	68.1%	xHigh 推理
22	glm-5.3-flashZ.ai	67.9%	来源默认配置
23	muse-spark-1.1-xhighMeta	67.8%	xHigh 推理
24	muse-spark-1.2-xhighMeta	67.6%	xHigh 推理
25	gpt-6.1-sol-maxOpenAI	67.5%	Max 推理
26	gpt-6-sol-maxOpenAI	67.3%	Max 推理
27	qwen3.8-flash-nextAlibaba	67.1%	来源默认配置
28	grok-4.6xAI	66.9%	来源默认配置
29	deepseek-v4-flash-vision-expDeepSeek	66.7%	来源默认配置
30	gpt-5.6-terra-maxOpenAI	66.6%	Max 推理
31	gpt-5.2-codexOpenAI	66.5%	来源默认配置
32	claude-opus-4-7-xhigh-effortAnthropic	66.4%	xHigh 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，本站按上述两类等权汇总并排序。各项分数尺度不同，不能直接相加；参考排序采用固定参照尺度。