LiveBench · 编程综合

Name: LiveBench · 编程综合
Creator: LiveBench

LiveBench / 编程 · Coding + Agentic Coding 两项均分，各占 50%。

在千机新闻中参与排名

证据预算2.4%

上游数据时间09/30 03:01

最近成功同步10/03 10:55

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。

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。

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-effortanthropic	80.5%	Max 推理
2	deepseek-v4.1-flash-maxdeepseek	78.7%	来源默认配置
4	claude-fable-5-1-max-effortanthropic	76.2%	Max 推理
5	claude-fable-5-max-effortanthropic	74.1%	Max 推理
6	claude-sonnet-5-5-max-effortanthropic	73.8%	Max 推理
7	smaug-agentic—	73.6%	来源默认配置
8	claude-opus-5-max-effortanthropic	73.3%	Max 推理
9	muse-spark-1.3-xhighmeta	72.6%	xHigh 推理
10	kimi-k3—	71.8%	来源默认配置
11	gpt-5.6-sol-maxopenai	70.1%	Max 推理
12	claude-sonnet-5-xhigh-effortanthropic	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-maxopenai	68.8%	Max 推理
16	qwen3.8-maxalibaba	68.8%	来源默认配置
18	gemini-3.7-flash-highgoogle	68.6%	High 推理
19	qwen3.8-27balibaba	68.5%	来源默认配置
20	smaug-mini—	68.1%	来源默认配置
21	gpt-5.5-xhighopenai	68.1%	xHigh 推理
22	glm-5.3-flashzai	67.9%	来源默认配置
23	muse-spark-1.1-xhighmeta	67.8%	xHigh 推理
24	muse-spark-1.2-xhighmeta	67.6%	xHigh 推理
25	gpt-6.1-sol-maxopenai	67.5%	Max 推理
26	gpt-6-sol-maxopenai	67.3%	Max 推理
27	qwen3.8-flash-nextalibaba	67.1%	来源默认配置
28	grok-4.6xai	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-maxopenai	66.6%	Max 推理
31	gpt-5.2-codexopenai	66.5%	来源默认配置
32	claude-opus-4-7-xhigh-effortanthropic	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。