LMArena

Arena WebDev

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 AIHOT 中参与排名

证据预算2.4%

上游数据时间09/08 08:00

最近成功同步09/10 06:31

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
1	gpt-6-astra-maxOpenAI	1,796.2	Max 推理
2	claude-fable-5.1-maxAnthropic	1,764	Max 推理
3	claude-opus-5-maxAnthropic	1,687.9	Max 推理
4	qwen3.8-max-0902Alibaba	1,685.2	来源默认配置
5	kimi-k3-maxMoonshot AI	1,674.2	来源默认配置
6	qwen3.8-maxAlibaba	1,669.8	来源默认配置
8	muse-spark-1.3-maxMeta	1,650	Max 推理
9	qwen3.8-flash-nextAlibaba	1,630.5	来源默认配置
10	claude-fable-5Anthropic	1,628.3	来源默认配置
12	grok-4.6-highxAI	1,623.5	High 推理
13	hy4-previewTencent	1,623	来源默认配置
14	gpt-5.6-sol-xhigh (codex-harness)OpenAI	1,617.2	xHigh 推理 · codex-harness
15	glm-5.3-maxZ.ai	1,612.5	来源默认配置
16	glm-5.3-flashZ.ai	1,604.5	来源默认配置
17	qwen3.8-27bAlibaba	1,591.5	来源默认配置
18	glm-5.2-maxZ.ai	1,589.2	来源默认配置
19	gemini-3.7-flash-highGoogle	1,587	High 推理
20	deepseek-v4-flash-highDeepSeek	1,581.8	来源默认配置
21	deepseek-v4-pro-high-20260813DeepSeek	1,580.3	来源默认配置
22	gemini-3.8-flash-highGoogle	1,568.2	High 推理
23	claude-opus-4-8-highAnthropic	1,561	High 推理
25	grok-4.5xAI	1,555.5	来源默认配置
26	claude-opus-4-7-highAnthropic	1,555.1	High 推理
27	claude-opus-4-6-highAnthropic	1,546.4	High 推理
28	muse-spark-1.1Meta	1,541.4	来源默认配置
30	claude-sonnet-5-highAnthropic	1,537.8	High 推理
32	gemini-3.6-flash-highGoogle	1,536.8	High 推理
33	muse-spark-1.2 (xHigh)Meta	1,534.3	xHigh 推理
34	claude-sonnet-4-6Anthropic	1,521	来源默认配置
35	gpt-5.6-terra-xhigh (codex-harness)OpenAI	1,520.8	xHigh 推理 · codex-harness

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 AIHOT 共识分使用不同尺度，不能直接相加。