LMArena Coding Arena 代码能力排行榜
基于 LMArena Coding Arena 用户匿名投票的最新AI大模型代码编程能力排行榜，涵盖各模型的 Elo 得分、95% 置信区间、投票量、机构与许可证。
榜首模型
kimi-k3-max
最高得分
1541.00
模型数量
405
数据版本
2026年09月30日
数据来源: LM Arena
关于本排行榜
本排行榜展示了当前 AI 大模型在代码编程任务中的实力排名。数据来源于 LMArena （前身为 LMSYS Chatbot Arena）的 Coding 子赛道，通过真实用户匿名盲测投票评估各模型在代码编程任务中的表现。
评测方法概要
匿名盲测：用户发出编程问题后，由两个"隐藏身份"的模型分别给出代码解答，用户投票选出更好的回答，排除品牌偏见。
Elo 评分：采用 Bradley-Terry 模型计算 Elo 分数，分数越高说明该模型的代码回答越容易被用户选择。
覆盖多种编程场景：包括代码生成、Bug 修复、算法实现、代码解释等高频真实编程场景。
DataLearner 在原始数据基础上提供中文解读与深度分析，并将排行榜模型关联至 DataLearner 模型库，方便您一键查看模型详情、API 定价、评测得分等完整信息。
排名总表
| 排名 | 模型名称 | 得分 | 95% CI | 投票数 | 机构 | 许可证 |
|---|---|---|---|---|---|---|
| 7 |  kimi-k3-maxMoonshot | 1541.00 | +/-8 | 7,165 | Moonshot | Kimi K3 license |
| 23 |  deepseek-v4.1-flash-maxDeepSeek | 1529.00 | +/-12 | 2,314 | DeepSeek | MIT |
| 29 |  qwen3.8-maxAlibaba | 1522.00 | +/-8 | 6,480 | Alibaba | Proprietary |
| 41 | Kimi K2.6Moonshot AI | 1516.00 | +/-7 | 11,069 | Moonshot AI | Modified MIT |
| 63 | deepseek-v4-pro-high-20260813DeepSeek | 1506.00 | +/-11 | 2,815 | DeepSeek | MIT |
| 65 | qwen3.8-27bAlibaba | 1505.00 | +/-9 | 5,005 | Alibaba | Apache 2.0 |
| 68 | Kimi K2.5 InstantMoonshot AI | 1503.00 | +/-14 | 1,868 | Moonshot AI | Modified MIT |
| 69 | Kimi K2 ThinkingMoonshot AI | 1502.00 | +/-5 | 20,732 | Moonshot AI | Modified MIT |
| 76 | DeepSeek-V4-ProDeepSeek-AI | 1500.00 | +/-6 | 17,135 | DeepSeek-AI | MIT |
| 82 |  MiniMax M3MiniMaxAI | 1495.00 | +/-6 | 16,800 | MiniMaxAI | MiniMax Community License |
| 95 | deepseek-v4-pro-high-previewDeepSeek | 1488.00 | +/-6 | 16,000 | DeepSeek | MIT |
| 97 | Kimi K2 Thinking (thinking-turbo)Moonshot AI | 1486.00 | +/-5 | 15,272 | Moonshot AI | Modified MIT |
| 100 | DeepSeek-V4-FlashDeepSeek-AI | 1484.00 | +/-6 | 15,253 | DeepSeek-AI | MIT |
| 106 | MiniMax-M2.7MiniMaxAI | 1480.00 | +/-5 | 22,747 | MiniMaxAI | Modified MIT |
| 108 | deepseek-v4-flash-high-previewDeepSeek | 1479.00 | +/-6 | 15,210 | DeepSeek | MIT |
| 111 | DeepSeek V3.2-Exp (thinking)DeepSeek-AI | 1476.00 | +/-7 | 8,876 | DeepSeek-AI | MIT |
| 112 | DeepSeek V3.2-Exp (thinking)DeepSeek-AI | 1475.00 | +/-13 | 1,916 | DeepSeek-AI | MIT |
| 116 | qwen3-max-2025-09-23Alibaba | 1473.00 | +/-13 | 2,017 | Alibaba | Proprietary |
| 121 | DeepSeek V3.2DeepSeek-AI | 1469.00 | +/-6 | 10,909 | DeepSeek-AI | MIT |
| 123 | Kimi K2 0905Moonshot AI | 1467.00 | +/-13 | 2,224 | Moonshot AI | Modified MIT |
| 125 | DeepSeek V3.2-ExpDeepSeek-AI | 1467.00 | +/-12 | 2,537 | DeepSeek-AI | MIT |
| 128 | DeepSeek-R1-0528DeepSeek-AI | 1464.00 | +/-11 | 2,681 | DeepSeek-AI | MIT |
| 133 | DeepSeek-V3.1 Terminus (thinking)DeepSeek-AI | 1460.00 | +/-24 | 631 | DeepSeek-AI | MIT |
| 136 | Kimi K2Moonshot AI | 1460.00 | +/-8 | 5,169 | Moonshot AI | Modified MIT |
| 144 | DeepSeek-V3.1 (thinking)DeepSeek-AI | 1456.00 | +/-13 | 1,871 | DeepSeek-AI | MIT |
| 147 |  hunyuan-hy3-previewTencent | 1453.00 | +/-13 | 2,052 | Tencent | tencent-hunyuan-community |
| 151 |  Step 3.5 FlashStepFunAI | 1449.00 | +/-6 | 15,171 | StepFunAI | Apache 2.0 |
| 153 | DeepSeek-V3.1DeepSeek-AI | 1447.00 | +/-12 | 2,594 | DeepSeek-AI | MIT |
| 155 | MiniMax M2.5MiniMaxAI | 1446.00 | +/-6 | 11,348 | MiniMaxAI | Modified MIT |
| 156 | qwen3-235b-a22b-no-thinkingAlibaba | 1445.00 | +/-8 | 6,893 | Alibaba | Apache 2.0 |
| 157 | DeepSeek-R1DeepSeek-AI | 1444.00 | +/-12 | 2,317 | DeepSeek-AI | MIT |
| 161 | qwen3-235b-a22b-thinking-2507Alibaba | 1442.00 | +/-15 | 1,587 | Alibaba | Apache 2.0 |
| 162 | DeepSeek-V3.1 TerminusDeepSeek-AI | 1440.00 | +/-21 | 770 | DeepSeek-AI | MIT |
| 163 | M2.1MiniMaxAI | 1438.00 | +/-10 | 3,483 | MiniMaxAI | MIT |
| 166 | hunyuan-vision-1.5-thinkingTencent | 1436.00 | +/-27 | 419 | Tencent | Proprietary |
| 168 | Step 3.5 FlashStepFunAI | 1436.00 | +/-6 | 17,684 | StepFunAI | Proprietary |
| 182 | DeepSeek-V3-0324DeepSeek-AI | 1428.00 | +/-7 | 8,292 | DeepSeek-AI | MIT |
| 191 | minimax-m1MiniMax | 1416.00 | +/-8 | 6,357 | MiniMax | Apache 2.0 |
| 199 | Step3StepFunAI | 1409.00 | +/-17 | 1,207 | StepFunAI | Apache 2.0 |
| 207 | hunyuan-turbos-20250226Tencent | 1399.00 | +/-30 | 275 | Tencent | Proprietary |
| 210 | hunyuan-turbos-20250416Tencent | 1394.00 | +/-14 | 1,757 | Tencent | Proprietary |
| 220 | DeepSeek-V3DeepSeek-AI | 1387.00 | +/-10 | 3,280 | DeepSeek-AI | DeepSeek |
| 228 | MiniMax M2MiniMaxAI | 1381.00 | +/-15 | 1,537 | MiniMaxAI | Apache 2.0 |
| 231 | qwen-plus-0125Alibaba | 1379.00 | +/-18 | 893 | Alibaba | Proprietary |
| 233 | deepseek-v2.5-1210DeepSeek | 1374.00 | +/-17 | 1,079 | DeepSeek | DeepSeek |
| 236 | step-2-16k-exp-202412StepFun | 1371.00 | +/-20 | 737 | StepFun | Proprietary |
| 237 | hunyuan-turbo-0110Tencent | 1371.00 | +/-30 | 299 | Tencent | Proprietary |
| 244 | DeepSeek V2.5DeepSeek-AI | 1368.00 | +/-9 | 4,252 | DeepSeek-AI | DeepSeek |
| 245 | hunyuan-large-2025-02-10Tencent | 1366.00 | +/-25 | 519 | Tencent | Proprietary |
| 256 | hunyuan-large-visionTencent | 1357.00 | +/-19 | 951 | Tencent | Proprietary |
| 257 | qwen2.5-plus-1127Alibaba | 1356.00 | +/-14 | 1,553 | Alibaba | Proprietary |
| 263 | qwen-max-0919Alibaba | 1353.00 | +/-11 | 2,756 | Alibaba | Qwen |
| 264 | glm-4-plusZhipu AI | 1352.00 | +/-9 | 4,449 | Zhipu AI | Proprietary |
| 265 | step-1o-turbo-202506StepFun | 1351.00 | +/-15 | 1,482 | StepFun | Proprietary |
| 273 | deepseek-coder-v2DeepSeek | 1342.00 | +/-12 | 2,671 | DeepSeek | DeepSeek License |
| 282 | hunyuan-standard-2025-02-10Tencent | 1331.00 | +/-24 | 549 | Tencent | Proprietary |
| 283 | glm-4-plus-0111Zhipu | 1330.00 | +/-18 | 894 | Zhipu | Proprietary |
| 305 | hunyuan-standard-256kTencent | 1301.00 | +/-24 | 497 | Tencent | Proprietary |
| 330 | qwen1.5-32b-chatAlibaba | 1262.00 | +/-11 | 3,930 | Alibaba | Qianwen LICENSE |
| 350 | DeepSeek LLM 67B ChatDeepSeek-AI | 1219.00 | +/-23 | 649 | DeepSeek-AI | DeepSeek License |
数据仅供参考，以官方来源为准。模型名称旁的链接可跳转到 DataLearner 模型详情页。
常见问题 (FAQ)
什么是 LMArena Coding Arena？
LMArena Coding Arena 是 LMArena 旗下专注于代码能力的匿名评测平台。用户提交真实编程任务（如调试、代码生成、算法实现），系统将不同模型的输出并排展示（隐藏模型名称），由用户投票选出更好的答案，最终通过 Elo 算法汇总形成动态排行榜。
Coding Arena 与 SWE-bench、HumanEval 等静态基准有什么区别？
SWE-bench、HumanEval、MBPP 等静态基准使用固定测试集和自动化评分，可重现性强但容易被针对性优化（"刷榜"）。Coding Arena 来自真实用户的开放式需求，测试内容不固定，更能反映模型在实际编程场景中的表现，两者互为补充。
国产大模型在代码能力方面表现如何？
DeepSeek、Qwen 等国产模型在 Coding Arena 表现亮眼，已跻身全球前列。DeepSeek 以 MIT 协议开源，Qwen 系列支持中文编程场景，是开发者选择开源代码模型的重要参考。
如何用 AI 辅助日常编程工作？
常见场景包括：代码补全与生成、调试、代码审查、单元测试生成，以及跨语言翻译。