如何解读
LiveBench 展示客观任务的类别分数。Arena 展示盲测人类偏好 Elo。SWE-bench Verified 展示特定代理配置解决真实仓库问题的比例。
独立评测快照
按真实场景查看评测证据
各来源与指标独立呈现。这些数据用于核验，不构成通用的模型总排名。
最新可用来源结果
快照每日更新。任何来源抓取失败都不会覆盖上一个有效版本。每条结果保留精确模型版本、测试口径和原始排行榜链接。
抓取时间: 2026年7月19日 20:44
Arena · code
查看原始排行榜Arena 没有官方公开 API。数据来自每日结构化镜像，并始终链接回官方排行榜。
| 排名 | 精确模型版本 | 成绩 | 指标 | 样本 / 投票 |
|---|---|---|---|---|
| 1 | kimi-k3 | 1679 | Elo (Elo) | 1757 |
| 2 | claude-fable-5 | 1631 | Elo (Elo) | 2505 |
| 3 | gpt-5.6-sol-xhigh (codex-harness) | 1618 | Elo (Elo) | 2542 |
| 4 | glm-5.2 (max) | 1587 | Elo (Elo) | 4722 |
| 5 | claude-opus-4-8-thinking | 1562 | Elo (Elo) | 7309 |
| 6 | grok-4.5 | 1558 | Elo (Elo) | 2214 |
| 7 | claude-opus-4-7-thinking | 1558 | Elo (Elo) | 10534 |
| 8 | claude-opus-4-7 | 1555 | Elo (Elo) | 9976 |
| 9 | claude-opus-4-6-thinking | 1542 | Elo (Elo) | 12919 |
| 10 | claude-sonnet-5-high | 1542 | Elo (Elo) | 2959 |
Arena · search
查看原始排行榜Arena 没有官方公开 API。数据来自每日结构化镜像，并始终链接回官方排行榜。
| 排名 | 精确模型版本 | 成绩 | 指标 | 样本 / 投票 |
|---|---|---|---|---|
| 1 | claude-opus-4-6-search | 1255 | Elo (Elo) | 105728 |
| 2 | gpt-5.5-search | 1239 | Elo (Elo) | 61253 |
| 3 | claude-opus-4-7 | 1235 | Elo (Elo) | 62150 |
| 4 | claude-fable-5 | 1230 | Elo (Elo) | 9895 |
| 5 | ernie-5.1 | 1227 | Elo (Elo) | 3803 |
| 6 | claude-sonnet-4-6-search | 1222 | Elo (Elo) | 105370 |
| 7 | gemini-3.1-pro-grounding | 1211 | Elo (Elo) | 83445 |
| 8 | claude-opus-4-8 | 1207 | Elo (Elo) | 42248 |
| 9 | gemini-3-pro-grounding | 1207 | Elo (Elo) | 37277 |
| 10 | gpt-5.2-search | 1206 | Elo (Elo) | 52708 |
重要限制
不同基准的分数不能相加或直接比较。生活场景使用偏好代理，因为目前没有覆盖通用日常助手的权威基准。