CodeForces 评测基准详情

随着大型语言模型（LLM）能力的飞速发展，如何科学、准确地评估其性能，特别是深度的逻辑推理和代码生成能力，已成为人工智能领域的一大挑战。传统的评测基准在面对日益强大的模型时，逐渐暴露出数据污染、难度不足、无法有效评估真实推理能力等问题。在这一背景下，一个旨在检验模型竞赛级编程水平的评测基准——Codeforces应运而生，为我们提供了一个更严苛、更接近人类程序员真实水平的竞技场。

CodeForces

一个使用编程竞赛题目测试大模型代码生成能力的评测基准

问题数量 387
发布机构 个人
评测类别 代码生成
评测指标 Accuracy
支持语言 英文
难度等级 高难度

CodeForces 大模型得分排行榜

数据来源：DataLearnerAI

排名
模型
得分
发布时间
参数(亿)
1
OpenAI Logo
OpenAI o4 - mini thinking + 使用工具
2719.0
2025-04-16
未知
CodeForces得分 2719.0
发布时间 2025-04-16
参数(亿) 未知
查看模型详情
2
OpenAI Logo
GPT OSS 120B thinking + 使用工具
2622.0
2025-08-06
117.0
CodeForces得分 2622.0
发布时间 2025-08-06
参数(亿) 117.0
查看模型详情
3
OpenAI Logo
GPT OSS 20B thinking + 使用工具
2516.0
2025-08-06
210.0
CodeForces得分 2516.0
发布时间 2025-08-06
参数(亿) 210.0
查看模型详情
4
OpenAI Logo
GPT OSS 120B thinking
2463.0
2025-08-06
117.0
CodeForces得分 2463.0
发布时间 2025-08-06
参数(亿) 117.0
查看模型详情
5
OpenAI Logo
GPT OSS 20B thinking
2230.0
2025-08-06
210.0
CodeForces得分 2230.0
发布时间 2025-08-06
参数(亿) 210.0
查看模型详情
6
OpenAI Logo
OpenAI o3-mini thinking
2073.0
2025-01-31
0.0
CodeForces得分 2073.0
发布时间 2025-01-31
参数(亿) 0.0
查看模型详情