AICoder
2026 实时验证

AI 编程模型排行榜

聚合 8 大官方基准榜单镜像与真实开发任务场景评测。官方公开数据透明对齐，中立客观，无付费排名。

8数据源
112模型总数
4评测用例
2026 年 11 月数据周期
2026-11-14最近更新
●我们从 6 家公开评测机构、共 8 张官方榜单直接拉取原始排名，不做二次加权、不做综合排名。想深入了解，点每张卡片底部的「官方 ↗」直达来源。
🧩适配矩阵⚔️横向 PK💳套餐比价
AD赞助内容

📌 8 大官方榜单 · 直连镜像

每张卡片是一家评测机构的 Top-5 缩略图。点「展开完整」查看该机构完整榜单，或直接跳转官方页面。数据 100% 来自各机构，我们不做归纳计算。

LMArena Code ★
真人盲评实时代码生成与编程 Elo 天梯
编码
指标:编程 Elo· 70 个模型
  1. #1Claude Fable 5.21837.8
  2. #2Claude Opus 5.51814.7
  3. #3Claude Sonnet 5.51772.3
  4. #4Gemini 4 Carbon1768.2
  5. #5GPT-6 Astra1763.8
官方 ↗
LMArena Agent
真人盲评的真实 Agent 编码会话
Agent
指标:Agent 得分· 45 个模型
  1. #1Claude Fable 5.230.48
  2. #2Claude Opus 5.519.51
  3. #3Gemini 4 Carbon16.9
  4. #4Claude Sonnet 5.516.07
  5. #5Gemini 4 Hydrogen14.8
官方 ↗
CursorBench
Cursor 官方 Agent 编码基准 (v4.0)
Agent
指标:通过率%· 21 个模型
  1. #1Gemini 4 Carbon60.4%
  2. #2Claude Fable 5.260.0%
  3. #3Claude Opus 5.557.8%
  4. #4Gemini 4 Hydrogen57.8%
  5. #5Claude Sonnet 5.555.5%
官方 ↗
GDPx (SemiAnalysis)
SemiAnalysis 通用智能体评测基准 (11 大高价值领域 / 206 项复杂任务)
Agent
指标:Pass@1 通过率%· 20 个模型
  1. #1Claude Fable 5.216.4%
  2. #2Claude Opus 5.512.0%
  3. #3Gemini 4 Carbon10.9%
  4. #4GPT-6 Astra9.6%
  5. #5Muse Wonder Full9.0%
官方 ↗
Artificial Analysis
专业权威第三方独立大模型智力指数
综合
指标:智能指数· 34 个模型
  1. #1Claude Fable 5.264.6
  2. #2Gemini 4 Carbon60
  3. #3Claude Opus 5.559.1
  4. #4GPT-6 Astra56.9
  5. #5GPT-6.1 Sol54.6
官方 ↗
Vals AI
真实世界高价值任务评测 (软件/金融/网络安全/自主智能)
综合
指标:准确率%· 28 个模型
  1. #1Claude Fable 5.271.3%
  2. #2Claude Sonnet 5.570.8%
  3. #3Gemini 4 Carbon70.5%
  4. #4Claude Opus 5.570.1%
  5. #5Gemini 4 Argon69.4%
官方 ↗
LiveBench
题库定期换新，月度防污染编程评测
编码
指标:得分%· 26 个模型
  1. #1GPT-6 Astra85.8%
  2. #2Claude Fable 5.285.6%
  3. #3Claude Fable 5.185.1%
  4. #4Gemini 4 Carbon84.8%
  5. #5Claude Opus 5.584.7%
官方 ↗
LMArena Text
全球主流大模型盲评文本对话与综合能力 Elo 积分
对话
指标:竞技场 Elo· 99 个模型
  1. #1Gemini 4 Carbon1526.2
  2. #2Gemini 4 Argon1521.7
  3. #3Muse Wonder1510.9
  4. #4Claude Opus 5.51506.8
  5. #5Claude Fable 51504
官方 ↗

LMArena Code编码

指标: 编程 Elo·70 个模型·拉取于 2026-11-14

查看官方榜单 ↗
✨

不知道哪个模型最契合你的预算与技术栈？

体验「四大王牌套餐对决」与「$20包月 vs API 真实盈亏平衡测算仪」

前往比价与盈亏测算↗
#模型编程 Elo性价比其他榜单排名选型行动
#1
Claude Fable 5.2Anthropic
1837.8
9.9
L #1
C #2
G #1
A #1
V #1
L #2
L—
⚔️ 对比💰查套餐🚀体验
#2
Claude Opus 5.5Anthropic
1814.7
18.3
L #2
C #3
G #2
A #3
V #4
L #5
L #4
⚔️ 对比💰查套餐🚀体验
#3
Claude Sonnet 5.5Anthropic
1772.3
33.5
L #4
C #5
G #9
A #6
V #2
L #10
L #31
⚔️ 对比💰查套餐🚀体验
#4
Gemini 4 CarbonGoogle
1768.2
36
L #3
C #1
G #3
A #2
V #3
L #4
L #1
⚔️ 对比💰查套餐🚀体验
#5
GPT-6 AstraOpenAI
1763.8
7.1
L #7
C—
G #4
A #4
V #8
L #1
L #29
⚔️ 对比💰查套餐🚀体验
#6
GPT-6.1 SolOpenAI
1743.3
34
L #8
C—
G #8
A #5
V #10
L #6
L #22
⚔️ 对比💰查套餐🚀体验
#7
Claude Fable 5.1Anthropic
1741.9
6.6
L #6
C #7
G #6
A—V—
L #3
L #7
⚔️ 对比💰查套餐🚀体验
#8
Muse Wonder FullMeta
1723.5
15.5
L #11
C—
G #5
A #10
V #7
L—L—
⚔️ 对比💰查套餐🚀体验
#9
Gemini 4 HydrogenGoogle
1704.2
45.9
L #5
C #4
G—
A #7
V #6
L #9
L #10
⚔️ 对比💰查套餐🚀体验
#10
Claude Opus 5Anthropic
1690.9
4.2
L #13
C #10
G—A—V—L—
L #11
⚔️ 对比💰查套餐🚀体验
#11
Kimi K3.1 ProMoonshot AI
1687.2
32.4
L #16
C—G—
A #11
V #11
L #13
L #17
⚔️ 对比💰查套餐🚀体验
#12
Gemini 4 ArgonGoogle
1681
31.9
L #10
C #6
G #10
A #9
V #5
L #8
L #2
⚔️ 对比💰查套餐🚀体验
#13
GPT-6.1 TerraOpenAI
1678.1
62.6
L #9
C—
G #7
A #8
V #13
L #7
L—
⚔️ 对比💰查套餐🚀体验
#14
Qwen3.8-MaxQwen
1676.3
35.3
L #31
C—
G #18
A #17
V #17
L #22
L #18
⚔️ 对比💰查套餐🚀体验
#15
GPT-6 SolOpenAI
1672.6
33.3
L #14
C—G—A—V—L—
L #40
⚔️ 对比💰查套餐🚀体验
#16
ERNIE 5.5 Flash PreviewBaidu
1668
284.7
L—C—G—A—V—L—L—
⚔️ 对比💰查套餐🚀体验
#17
DeepSeek-V4.1-FlashDeepSeek
1663.7
227.2
L #22
C—
G #12
A #18
V #12
L #12
L #26
⚔️ 对比💰查套餐🚀体验
#18
Kimi K3Moonshot AI
1657.8
17.9
L #28
C—
G #17
A—
V #25
L #18
L #13
⚔️ 对比💰查套餐🚀体验
#19
Muse Spark 1.3Meta
1655.1
48
L #21
C #14
G #20
A #27
V #28
L #17
L #9
⚔️ 对比💰查套餐🚀体验
#20
Muse WonderMeta
1647.4
14.5
L #25
C #8
G #11
A #12
V #9
L #11
L #3
⚔️ 对比💰查套餐🚀体验
#21
Inkling 2 SmallThinking Machines
1647.1
232.7
L #18
C—G—
A #21
V #21
L—
L #66
⚔️ 对比💰查套餐🚀体验
#22
Grok 4.7xAI
1640.7
34.6
L #19
C #11
G #16
A #15
V #19
L #16
L #49
⚔️ 对比💰查套餐🚀体验
#23
Hunyuan Hy4Tencent
1631.7
86.2
L #15
C—G—
A #16
V #16
L—L—
⚔️ 对比💰查套餐🚀体验
#24
Claude Fable 5Anthropic
1625.4
6.7
L #12
C—G—A—V—L—
L #5
⚔️ 对比💰查套餐🚀体验
#25
Qwen 4 PreviewQwen
1623.7
40.2
L #38
C—G—
A #23
V—L—L—
⚔️ 对比💰查套餐🚀体验
#26
GLM-5.3Zhipu AI
1622.5
45.1
L #27
C #12
G #19
A #19
V #15
L—
L #20
⚔️ 对比💰查套餐🚀体验
#27
Grok 4.6xAI
1618.1
37.3
L #32
C #15
G—A—V—
L #20
L #41
⚔️ 对比💰查套餐🚀体验
#28
GPT-5.6 SolOpenAI
1615.2
10.3
L #17
C #13
G—A—V—L—
L #16
⚔️ 对比💰查套餐🚀体验
#29
GLM-5.3-FlashZhipu AI
1608.8
426.7
L #36
C #18
G—
A #25
V #27
L #21
L #24
⚔️ 对比💰查套餐🚀体验
#30
Muse EmberMeta
1608.8
524.5
L #23
C—G—
A #14
V #14
L—L—
⚔️ 对比💰查套餐🚀体验
#31
GLM-5.2Zhipu AI
1607.7
57
L #30
C—G—A—V—L—
L #27
⚔️ 对比💰查套餐🚀体验
#32
Claude Haiku 5.5Anthropic
1593.4
51.5
L #29
C #9
G #14
A #13
V #18
L #15
L #61
⚔️ 对比💰查套餐🚀体验
#33
Qwen3.8-27BQwen
1589.7
219
L #39
C—G—
A #30
V—
L #26
L #56
⚔️ 对比💰查套餐🚀体验
#34
Gemini 3.7 FlashGoogle
1588
79.9
L #34
C—G—A—V—L—
L #12
⚔️ 对比💰查套餐🚀体验
#35
MiniMax-M3.1-FlashMiniMax
1583.9
338.3
L #35
C—
G #15
A #22
V #23
L #19
L—
⚔️ 对比💰查套餐🚀体验
#36
Gemini 3.8 FlashGoogle
1583.5
70.9
L #20
C #17
G—
A #20
V #22
L #25
L #8
⚔️ 对比💰查套餐🚀体验
#37
DeepSeek-V4-FlashDeepSeek
1581.7
412.9
L—C—G—A—V—L—
L #54
⚔️ 对比💰查套餐🚀体验
#38
DeepSeek-V4-ProDeepSeek
1581
141.5
L—C—G—A—V—L—
L #36
⚔️ 对比💰查套餐🚀体验
#39
GPT-6 LunaOpenAI
1577.2
497.7
L #26
C—
G #13
A #24
V #26
L #23
L #53
⚔️ 对比💰查套餐🚀体验
#40
Mistral Large 4Mistral AI
1564.5
49.1
L #40
C—G—
A #26
V #20
L #24
L #62
⚔️ 对比💰查套餐🚀体验
#41
Claude Opus 4.8Anthropic
1557
14.3
L—C—G—A—V—L—
L #6
⚔️ 对比💰查套餐🚀体验
#42
Grok 4.5xAI
1552.6
45.7
L—C—G—A—V—L—
L #34
⚔️ 对比💰查套餐🚀体验
#43
Claude Sonnet 5Anthropic
1539
25.9
L #24
C #20
G—A—V—L—
L #38
⚔️ 对比💰查套餐🚀体验
#44
Gemini 3.6 FlashGoogle
1537.7
92
L—C—G—A—V—L—
L #19
⚔️ 对比💰查套餐🚀体验
#45
Claude Sonnet 4.6Anthropic
1522.2
22.4
L—C—G—A—V—L—
L #32
⚔️ 对比💰查套餐🚀体验
#46
GPT-5.6 TerraOpenAI
1520.1
24.1
L #33
C #16
G—A—V—
L #14
L #33
⚔️ 对比💰查套餐🚀体验
#47
GPT-5.6 LunaOpenAI
1519.2
242.3
L—
C #19
G—A—V—L—
L #45
⚔️ 对比💰查套餐🚀体验
#48
Qwen3.7-MaxQwen
1515.1
203.8
L #41
C—G—A—V—L—
L #30
⚔️ 对比💰查套餐🚀体验
#49
GPT-5.5OpenAI
1512.1
18
L—C—G—A—V—L—
L #21
⚔️ 对比💰查套餐🚀体验
#50
Kimi K2.6Moonshot AI
1509.3
81.8
L—C—G—A—V—L—
L #37
⚔️ 对比💰查套餐🚀体验
#51
GLM-5.1Zhipu AI
1508.1
61.2
L—C—G—A—V—L—
L #35
⚔️ 对比💰查套餐🚀体验
#52
Gemini 3.5 FlashGoogle
1506
39.6
L—C—G—A—V—L—
L #23
⚔️ 对比💰查套餐🚀体验
#53
MiniMax-M3MiniMax
1484.1
163.4
L #43
C—G—
A #31
V—L—
L #55
⚔️ 对比💰查套餐🚀体验
#54
Qwen3.6-PlusQwen
1482.3
243.6
L—C—G—A—V—L—
L #39
⚔️ 对比💰查套餐🚀体验
#55
Kimi K2.7 CodeMoonshot AI
1474.2
45.1
L—C—G—A—V—L—L—
⚔️ 对比💰查套餐🚀体验
#56
GPT-5.4OpenAI
1461.7
22.7
L—C—G—A—V—L—
L #25
⚔️ 对比💰查套餐🚀体验
#57
Gemini 3.1 ProGoogle
1446.4
48.4
L #37
C—G—A—V—L—
L #14
⚔️ 对比💰查套餐🚀体验
#58
Gemini 3 ProGoogle
1440.7
48.4
L—C—G—A—V—L—
L #15
⚔️ 对比💰查套餐🚀体验
#59
GLM-4-PlusZhipu AI
1434.7
85.3
L—C—G—A—V—L—
L #52
⚔️ 对比💰查套餐🚀体验
#60
Gemini 3.5 Flash-LiteGoogle
1432
107.9
L—C—G—
A #32
V—L—
L #44
⚔️ 对比💰查套餐🚀体验
#61
GPT-5.4 miniOpenAI
1397.7
68.7
L—C—G—A—V—L—
L #46
⚔️ 对比💰查套餐🚀体验
#62
MiniMax-M2.7MiniMax
1397.7
211.4
L—C—G—A—V—L—
L #63
⚔️ 对比💰查套餐🚀体验
#63
DeepSeek-V3DeepSeek
1362.5
619.2
L—C—G—A—V—L—
L #59
⚔️ 对比💰查套餐🚀体验
#64
Grok 4.3xAI
1357.3
70.6
L—C—G—A—V—L—
L #51
⚔️ 对比💰查套餐🚀体验
#65
Claude Haiku 4.5Anthropic
1330.4
51.4
L—C—G—A—V—L—
L #65
⚔️ 对比💰查套餐🚀体验
#66
Mistral Medium 3.5Mistral AI
1263.1
74.2
L #44
C—G—
A #33
V—L—
L #58
⚔️ 对比💰查套餐🚀体验
#67
Qwen3.8-FlashQwen
1243.1
506
L—C—G—A—V—L—
L #70
⚔️ 对比💰查套餐🚀体验
#68
Grok 4.1 FastxAI
1241.6
370.8
L—C—G—A—V—L—
L #28
⚔️ 对比💰查套餐🚀体验
#69
Mistral Large 3Mistral AI
1232.3
30.5
L—C—G—A—V—L—
L #64
⚔️ 对比💰查套餐🚀体验
#70
Gemini 2.5 ProGoogle
1227.7
25.1
L—C—G—
A #28
V—L—
L #47
⚔️ 对比💰查套餐🚀体验
排名颜色：#1#2#3#4-5#6-10#11+

「其他榜单排名」列显示该模型在其他榜单里的排名徽章，一眼看清跨榜单表现（灰色 = 该榜单未测过此模型）。各榜单口径不同，数值不可直接横向比较。

LMArena Code 榜：LMSYS 代码竞技场，基于开发者真实盲评代码生成与竞赛挑战计算 Elo 天梯分。数据取自 arena.ai/leaderboard/code 实时同步，我们 1:1 镜像展示，不做二次加权。

AD赞助内容
📊 8 大榜单方法论
LMArena Code ↗ 编码

LMArena Code 榜：LMSYS 代码竞技场，基于开发者真实盲评代码生成与竞赛挑战计算 Elo 天梯分。数据取自 arena.ai/leaderboard/code 实时同步，我们 1:1 镜像展示，不做二次加权。

编程 Elo70 个模型
LMArena Agent ↗ Agent

LMArena Agent 榜：基于真实的 Agent 编码与多轮工具会话，由真人盲评打分（signal-based agent score）。数据镜像自 arena.ai/leaderboard/agent。

Agent 得分45 个模型
CursorBench ↗ Agent

CursorBench 是 Cursor 官方的 Agent 编码基准（v4.0），任务来自真实 Cursor 会话中的多文件、模糊需求场景。指标为 pass rate (%)。数据镜像自 cursor.com/cursorbench 官方快照。

通过率%21 个模型
GDPx (SemiAnalysis) ↗ Agent

SemiAnalysis GDPx：由 SemiAnalysis 联合 14 家领域数据机构打造的通用智能体评测基准，覆盖芯片设计、网络安全、软件工程、量化交易、硬件设计等 11 大高经济价值领域的 206 项高难度任务。指标为 Pass@1 (%)。数据镜像自 gdpx.semianalysis.com。

Pass@1 通过率%20 个模型
Artificial Analysis ↗ 综合

Artificial Analysis 综合指数 (Intelligence Index)：专注评估前沿大模型的综合推理、智商与代码质量，覆盖 600+ 主流前沿模型，每日高频跟踪最新发布。

智能指数34 个模型
Vals AI ↗ 综合

Vals AI (Vals Index)：专注评估全球前沿模型在真实世界高价值复杂任务（软件工程、金融量化、网络安全及自主智能体）中的执行准确率。指标为 Accuracy (%)。数据直接取自 vals.ai/home 官方基准并 1:1 镜像展示。

准确率%28 个模型
LiveBench ↗ 编码

LiveBench 编程专项：每月定期换新防污染题库，提取代码补全 (code completion)、代码生成 (code generation)、JS、Python 与 TypeScript 等核心编程得分。

得分%26 个模型
LMArena Text ↗ 对话

LMArena Text 榜：全球最大规模真人盲测竞技场（Chatbot Arena），评估大语言模型跨领域文本生成与复杂指令遵从的综合 Elo 评分。数据实时镜像自 arena.ai/leaderboard/text。

竞技场 Elo99 个模型

所有排名和数值都直接来自官方数据源，我们只做名称匹配和聚合展示，不做任何加权、加分或二次排名。各榜单方式不同，请勿直接横向比较不同榜单的原始数值。