评测来源官方评测
LiveBench · 编程综合
LiveBench / 编程 · Coding + Agentic Coding 两项均分，各占 50%。
在 AI Insight Hub 中参与排名
证据预算2.4%
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
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 |
|---|---|---|---|
| 1 | claude-opus-5-5-max-effort— | 80.5% | Max 推理 |
| 2 | deepseek-v4.1-flash-max— | 78.7% | 来源默认配置 |
| 4 | claude-fable-5-1-max-effort— | 76.2% | Max 推理 |
| 5 | claude-fable-5-max-effort— | 74.1% | Max 推理 |
| 6 | claude-sonnet-5-5-max-effort— | 73.8% | Max 推理 |
| 7 | smaug-agentic— | 73.6% | 来源默认配置 |
| 8 | claude-opus-5-max-effort— | 73.3% | Max 推理 |
| 9 | muse-spark-1.3-xhigh— | 72.6% | xHigh 推理 |
| 10 | kimi-k3— | 71.8% | 来源默认配置 |
| 11 | gpt-5.6-sol-max— | 70.1% | Max 推理 |
| 12 | claude-sonnet-5-xhigh-effort— | 70.0% | xHigh 推理 |
| 13 | glm-5.3— | 69.9% | 来源默认配置 |
| 14 | smaug-flash— | 69.1% | 来源默认配置 |
| 15 | gpt-6-astra-max— | 68.8% | Max 推理 |
| 16 | qwen3.8-max— | 68.8% | 来源默认配置 |
| 18 | gemini-3.7-flash-high— | 68.6% | High 推理 |
| 19 | qwen3.8-27b— | 68.5% | 来源默认配置 |
| 20 | smaug-mini— | 68.1% | 来源默认配置 |
| 21 | gpt-5.5-xhigh— | 68.1% | xHigh 推理 |
| 22 | glm-5.3-flash— | 67.9% | 来源默认配置 |
| 23 | muse-spark-1.1-xhigh— | 67.8% | xHigh 推理 |
| 24 | muse-spark-1.2-xhigh— | 67.6% | xHigh 推理 |
| 25 | gpt-6.1-sol-max— | 67.5% | Max 推理 |
| 26 | gpt-6-sol-max— | 67.3% | Max 推理 |
| 27 | qwen3.8-flash-next— | 67.1% | 来源默认配置 |
| 28 | grok-4.6— | 66.9% | 来源默认配置 |
| 29 | deepseek-v4-flash-vision-exp— | 66.7% | 来源默认配置 |
| 30 | gpt-5.6-terra-max— | 66.6% | Max 推理 |
| 31 | gpt-5.2-codex— | 66.5% | 来源默认配置 |
| 32 | claude-opus-4-7-xhigh-effort— | 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，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。