跳到正文

Arena WebDev

LMArena · 同样是真人盲选,比的是网页好不好用、能不能交付。

官方评测
在 kuakeAI头条 中仅供参考
证据预算不参与排序
上游数据时间11/18 08:00
最近成功同步11/19 20:05

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
1Claude Fable 5.2 (xHigh)Anthropic1,823.8xHigh 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。
2Claude Opus 5.5 (Max)Anthropic1,818.4Max 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。
3GPT-6.2 Astra (Max)OpenAI1,780.6Max 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。
4Claude Sonnet 5.5 (xHigh)Anthropic1,773xHigh 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。
5Gemini 4 Carbon (High)Google1,768.5High 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。
6Gemini 4 Neon (High)Google1,763.9High 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。
7GPT-6 Astra (Max)OpenAI1,762.5Max 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。
8GPT-6.2 Sol (Max)OpenAI1,756.7Max 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。
9Qwen4-Max (xHigh)Alibaba1,750xHigh 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。
10GPT-6.1 Sol (Max)OpenAI1,744.1Max 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。
11Claude Fable 5.1 (Max)Anthropic1,741.4Max 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。
12Muse Wonder Full (Max)Meta1,723.2Max 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。
14Gemini 4 Hydrogen (High)Google1,702.9High 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。
15Claude Opus 5 (Max)Anthropic1,691.5Max 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。
16Kimi K3.1 Pro (Max)Moonshot AI1,684.5Max 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。
17GPT-6.1 Terra (Max)OpenAI1,682.5Max 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。
18Gemini 4 Argon (High)Google1,680.6High 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。
20GPT-6 Sol (Max)OpenAI1,674.1Max 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。
21Qwen3.8-MaxAlibaba1,670.6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。
22DeepSeek-V4.1-Flash-20261017 (Max)DeepSeek1,658.7Max 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。
23Kimi K3 (Max)Moonshot AI1,657.9Max 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。
25Muse Spark 1.3 (Max)Meta1,654.4Max 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。
26Muse Wonder (Max)Meta1,648Max 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。
27Inkling 2 SmallThinking Machines Lab1,643.8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。
28Grok 4.7 (xHigh)xAI1,639xHigh 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。
29MiMo-V2.6-FlashXiaomi1,636.5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。
30Hy4 previewTencent1,631.5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。
31Claude Fable 5 (High)Anthropic1,625.9High 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。
32Qwen3.8-Flash-NextAlibaba1,625.8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。
33MiMo-V2.6-ProXiaomi1,622.8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。
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。