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 SIHOT 中仅供参考
证据预算不参与排序
上游数据时间11/15 08:00
最近成功同步11/18 02:05
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。
如何使用这份证据
保留原始成绩供参考;当前尚未核实所有型号使用相同固定工具流程,因此不参与底层型号排序。
评测成绩
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 Fable 5.2 (xHigh)Anthropic | 1,826 | 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。 |
| 2 | Claude Opus 5.5 (Max)Anthropic | 1,815.6 | 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。 |
| 3 | Claude Sonnet 5.5 (xHigh)Anthropic | 1,772.2 | 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 | Gemini 4 Carbon (High)Google | 1,768.3 | 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。 |
| 5 | GPT-6 Astra (Max)OpenAI | 1,762.9 | 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。 |
| 6 | Qwen4-Max (xHigh)Alibaba | 1,749.8 | 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。 |
| 7 | Claude Fable 5.1 (Max)Anthropic | 1,742.9 | 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 | GPT-6.1 Sol (Max)OpenAI | 1,742.3 | 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。 |
| 9 | Muse Wonder Full (Max)Meta | 1,723.9 | 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。 |
| 11 | Gemini 4 Hydrogen (High)Google | 1,703.9 | 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。 |
| 12 | Claude Opus 5 (Max)Anthropic | 1,691.1 | 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。 |
| 13 | Kimi K3.1 Pro (Max)Moonshot AI | 1,686.2 | 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。 |
| 14 | GPT-6.1 Terra (Max)OpenAI | 1,680.7 | 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。 |
| 15 | Gemini 4 Argon (High)Google | 1,679.1 | 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。 |
| 17 | GPT-6 Sol (Max)OpenAI | 1,672.8 | 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。 |
| 18 | Qwen3.8-MaxAlibaba | 1,670.5 | 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。 |
| 19 | DeepSeek-V4.1-Flash-20261017 (Max)DeepSeek | 1,661.4 | 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。 |
| 20 | Kimi K3 (Max)Moonshot AI | 1,657.7 | 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。 |
| 22 | Muse Spark 1.3 (Max)Meta | 1,655.1 | 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。 |
| 23 | Muse Wonder (Max)Meta | 1,647.3 | 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。 |
| 24 | Inkling 2 SmallThinking Machines Lab | 1,644.7 | 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。 |
| 25 | Grok 4.7 (xHigh)xAI | 1,640.1 | 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。 |
| 26 | MiMo-V2.6-FlashXiaomi | 1,638.5 | 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。 |
| 27 | Hy4 previewTencent | 1,631.6 | 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。 |
| 28 | Claude Fable 5 (High)Anthropic | 1,625.7 | 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 | Qwen3.8-Flash-NextAlibaba | 1,624.5 | 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。 |
| 30 | MiMo-V2.6-ProXiaomi | 1,623.8 | 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。 |
| 31 | GLM-5.3 (Max)Z.ai | 1,622.3 | 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。 |
| 33 | DeepSeek-V4.1-Flash-20260910 (Max)DeepSeek | 1,620.8 | 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。 |
| 34 | Grok 4.6 (High)xAI | 1,618.1 | 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。 |
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,各项原始分数使用不同尺度,不能直接相加;参考位次采用公开的分差标准化规则。