Arena WebDev
LMArena · 同样是真人盲选，比的是网页好不好用、能不能交付。
在 AIHOT 中仅供参考
所属领域—
上游数据时间10/23 08:00
最近成功同步10/25 08:05
它测什么，怎么测
读取官方发布的 WebDev / Code Arena 快照，保留上游型号与配置。
AIHOT 怎么用它
只作参考，不计分：部分型号经厂商自己的 Agent（如 codex-harness）参赛。
评测成绩
同一模型测了多个档位时，按固定规则只取一套代表成绩；没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示，名次照搬原榜，每项最多列 30 个。
| 原榜名次 | 原榜型号 | 原始成绩 | 代表配置 |
|---|---|---|---|
| 1 | Claude Opus 5.5 (Max)Anthropic | 1,806.9 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 2 | GPT-6 Astra (Max)OpenAI | 1,774.3 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 3 | Claude Sonnet 5.5 (xHigh)Anthropic | 1,768.9 | xHigh 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 4 | GPT-6.1 Sol (Max)OpenAI | 1,749.3 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 5 | Claude Fable 5.1 (Max)Anthropic | 1,742.5 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 6 | Muse Wonder Full (Max)Meta | 1,725.9 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 8 | Kimi K3.1 Pro (Max)Moonshot AI | 1,691.6 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 9 | Claude Opus 5 (Max)Anthropic | 1,690.7 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 10 | GPT-6 Sol (Max)OpenAI | 1,680.8 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 11 | Gemini 4 Argon (High)Google | 1,674.2 | High 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 13 | Qwen3.8-MaxAlibaba | 1,672.2 | 来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 14 | DeepSeek-V4.1-Flash-20261017 (Max)DeepSeek | 1,665 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 16 | Muse Spark 1.3 (Max)Meta | 1,657.2 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 17 | Kimi K3 (Max)Moonshot AI | 1,654.9 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 18 | Muse Wonder (Max)Meta | 1,651 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 19 | Grok 4.7 (xHigh)xAI | 1,637.9 | xHigh 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 20 | MiMo-V2.6-FlashXiaomi | 1,634.8 | 来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 21 | Hy4 previewTencent | 1,631.2 | 来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 22 | Qwen3.8-Flash-NextAlibaba | 1,628.8 | 来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 23 | MiMo-V2.6-ProXiaomi | 1,625.4 | 来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 24 | Claude Fable 5 (High)Anthropic | 1,624.3 | High 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 25 | GLM-5.3 (Max)Z.ai | 1,622.8 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 27 | DeepSeek-V4.1-Flash-20260910 (Max)DeepSeek | 1,618.6 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 28 | Grok 4.6 (High)xAI | 1,616.6 | High 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 29 | GPT-5.6 Sol (xHigh, Codex Harness)OpenAI | 1,615.1 | xHigh 推理 · Codex Harness未计入：该次 Agent 配置尚未对应到已核实的统一工具流程。 |
| 30 | GLM-5.3-FlashZ.ai | 1,607.7 | 来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 31 | GLM-5.2 (Max)Z.ai | 1,604.3 | Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 32 | Qwen3.8-27BAlibaba | 1,591.4 | 来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 33 | Gemini 3.7 Flash (High)Google | 1,590.3 | High 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
| 34 | MiniMax-M3.1-FlashMiniMax | 1,588.8 | 来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。 |
评测局限与数据署名
不能把不同专用 Agent 或不同执行流程的交付表现直接归因于底层型号；待共同协议范围核实后再评估。
数据许可：CC BY 4.0
成绩由 LMArena 发布。各项评测的原始分数尺度不同，不能直接相加；AIHOT 按公开规则把它们折算成同一种分数。