大模型代码编程能力评测排行榜
本页面提供大模型代码编程能力评测排行榜，涵盖 SWE-Bench Verified、SWE-Bench Pro、LiveCodeBench、SWE-bench Multilingual 等数据集，对 GPT、Claude、Qwen、DeepSeek 等模型进行对比。
数据更新于 2026-09-25 13:11:42
截至 2026年9月，本页覆盖 SWE-bench Verified, LiveCodeBench, SWE-Bench Pro - Public, SWE-bench Multilingual 等评测基准，聚焦 大模型代码编程能力评测排行榜 方向的模型对比。
点击模型名称可进入详情页查看上下文长度、许可方式与 API 价格。数据口径说明见 数据方法论。
代码能力参考综合排名
目前没有一个被普遍认可的代码能力综合排行榜。SWE-bench、HumanEval 等静态基准可以衡量特定技能，但容易被针对性优化（"刷榜"）。为此我们选取了两个切入角度不同的人类偏好参考榜单并列展示：LMArena Coding Arena 通过匿名盲测评测通用编程能力（调试、算法实现、代码生成等）；Design Arena 专注评测具有视觉呈现效果的前端代码生成（网站、UI 组件、游戏等），两者方法论相同但考察场景各异，结合参考效果最佳。
#模型Elo
1
gemini-4-argon-high
1559
2
claude-fable-5-high
1552
7
kimi-k3-max
1541
8
X
mimo-v2.6-pro
1540
9
gpt-6-astra-max
1539
10
muse-spark-1.3-max
1539
来源：LMArena
Design Arena
完整排名基于 Arcada Labs 平台，对视觉前端代码任务（网站、UI 组件、游戏、数据可视化等）进行匿名投票，Bradley-Terry 模型动态排名。
数据更新于 2026-10-01
#模型Elo
1
Claude Opus 5.5
1395
5
Muse Spark 1.3 (xhigh)
1359
6
Muse Spark 1.3 Max
1358
10
DeepSeek-V4.1-Flash
1329
来源：DesignArena
榜单亮点
按 LiveCodeBench 排序
大模型性能评测结果
数据来源：DataLearnerAI点击任意行查看模型详情；勾选左侧 可对比最多 4 个模型。
SWE-bench Verified46.40
LiveCodeBench69.10
SWE-Bench Pro - Public14.40
SWE-bench Multilingual—
免费商用
排序：