LiveBench / 编程

LiveBench · 编程

持续换题的 Coding + Agentic Coding 专项。

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 03:32

最近成功同步09/10 06:31

它测什么，怎么测

只取 Coding + Agentic Coding，不同专项使用互不重复的任务；Global Average 不再计票。

如何使用这份证据

正式计分；各专项共用 LiveBench 证据家族，预算不随来源数量变化。

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	claude-fable-5-1-max-effortAnthropic	76.2%	Max 推理
2	claude-fable-5-max-effortAnthropic	74.1%	Max 推理
3	smaug-agenticAbacus.AI	73.6%	来源默认配置
4	claude-opus-5-max-effortAnthropic	73.3%	Max 推理
5	muse-spark-1.3-xhighMeta	72.6%	xHigh 推理
6	kimi-k3Moonshot AI	71.8%	来源默认配置
7	gpt-5.6-sol-maxOpenAI	70.1%	Max 推理
8	claude-sonnet-5-xhigh-effortAnthropic	70.0%	xHigh 推理
9	glm-5.3Z.ai	69.9%	来源默认配置
10	smaug-flashAbacus.AI	69.1%	来源默认配置
11	gpt-6-astra-maxOpenAI	68.8%	Max 推理
12	qwen3.8-maxAlibaba	68.8%	来源默认配置
13	gemini-3.7-flash-highGoogle	68.6%	High 推理
14	qwen3.8-27bAlibaba	68.5%	来源默认配置
15	smaug-miniAbacus.AI	68.1%	来源默认配置
16	gpt-5.5-xhighOpenAI	68.1%	xHigh 推理
17	glm-5.3-flashZ.ai	67.9%	来源默认配置
18	muse-spark-1.1-xhighMeta	67.8%	xHigh 推理
19	muse-spark-1.2-xhighMeta	67.6%	xHigh 推理
20	qwen3.8-flash-nextAlibaba	67.1%	来源默认配置
21	grok-4.6xAI	66.9%	来源默认配置
22	deepseek-v4-flash-vision-expDeepSeek	66.7%	来源默认配置
23	gpt-5.6-terra-maxOpenAI	66.6%	Max 推理
24	gpt-5.2-codexOpenAI	66.5%	来源默认配置
25	claude-opus-4-7-xhigh-effortAnthropic	66.4%	xHigh 推理
26	claude-opus-4-8-max-effortAnthropic	66.2%	Max 推理
27	deepseek-v4-pro-0813DeepSeek	66.1%	来源默认配置
28	glm-5.2Z.ai	65.7%	来源默认配置
29	gpt-5.4-xhighOpenAI	65.7%	xHigh 推理
30	gpt-5.6-luna-maxOpenAI	65.7%	Max 推理

评测局限与数据署名

综合均分会稀释特定能力的变化；仅交叉参考，不重复计票。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

成绩由 LiveBench 发布，原始分数与 AIHOT 共识分使用不同尺度，不能直接相加。