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、HumanEval、CodeForces、SWE-bench Multilingual 等数据集，对 GPT、Claude、Qwen、DeepSeek 等模型进行对比。

数据更新于 2026-04-11 22:32:50

截至 2026年4月，本页覆盖 SWE-bench Verified, LiveCodeBench, HumanEval, CodeForces 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。

基准评测

SWE-bench Verified LiveCodeBench HumanEval CodeForces SWE-Bench Pro - Public SWE-bench Multilingual

更多评测

参数规模:全部 3B及以下 7B 13B 34B 65B 100B及以上

模型类型:全部推理大模型基座大模型指令优化/聊天优化大模型编程大模型

开源：全部开源闭源

大模型性能评测结果

数据来源：DataLearnerAI

排名	模型							参数(亿)	开源情况
1	Claude Mythos Preview 扩展 · 工具	93.90	—	—	—	77.80	87.30	—	不开源
2	Claude Sonnet 4.5 parallel_thinking + 使用工具 · 工具 · 并行	82.00	—	—	—	—	—	—	不开源
3	Claude Sonnet 5 parallel_thinking · 并行	82.00	—	—	—	—	—	—	不开源
4	Claude Opus 4.5 thinking	80.90	—	—	—	—	—	—	不开源
5	Claude Opus 4.6 扩展 · 工具	80.84	—	—	—	—	72.00	—	不开源
6	Gemini 3.1 Pro Preview 思考模式 High · 工具	80.60	91.70	—	—	54.20	—	—	不开源
7	Claude Sonnet 4 parallel_thinking + 使用工具 · 工具 · 并行	80.20	—	—	—	—	—	—	不开源
8	MiniMax M2.5 thinking + 使用工具 · 工具	80.20	—	—	—	55.40	—	2290B	免费商用
9	GPT-5.2 极高强度思考 · 工具	80.00	—	—	—	55.60	—	—	不开源
10	Claude Sonnet 4.6 thinking	79.60	—	—	—	—	—	—	不开源
11	Claude Opus 4.1 parallel_thinking + 使用工具 · 工具 · 并行	79.40	—	—	—	—	—	—	不开源
12	Qwen 3.6 Plus Preview 思考模式 · 工具	78.80	—	—	—	56.60	—	—	不开源
13	GLM-5 思考模式	77.80	—	—	—	—	—	7440B	免费商用
14	Muse Spark 思考模式 · 工具	77.40	—	—	—	—	—	—	不开源
15	Claude Sonnet 4.5 thinking + 使用工具 · 工具	77.20	—	—	—	—	—	—	不开源
16	GPT-5.1-Codex-Max high + 使用工具 · 工具	76.80	—	—	—	—	—	—	不开源
17	Kimi K2.5 思考模式 · 工具	76.80	—	—	—	50.70	—	10000B	免费商用
18	Qwen3.5-397B-A17B 思考模式 · 工具	76.40	—	—	—	—	—	397B	免费商用
19	GPT-5.1 思考模式 High · 工具	76.30	—	—	—	—	—	—	不开源
20	GPT-5.1 high	76.30	—	—	—	—	—	—	不开源
21	Gemini 3.0 Pro (Preview 11-2025) thinking	76.20	92.00	—	—	—	—	—	不开源
22	Qwen3-Max-Thinking thinking	75.30	85.90	—	—	—	—	10000B	不开源
23	o3-pro high	75.00	—	—	—	—	—	—	不开源
24	M2.1 thinking	74.80	—	—	—	—	—	2300B	免费商用
25	Claude Opus 4.1 thinking	74.50	—	—	—	—	—	—	不开源
26	Claude Opus 4.1 thinking + 使用工具 · 工具	74.50	65.00	—	—	—	—	—	不开源
27	GPT-5 Codex high	74.50	—	—	—	—	—	—	不开源
28	Step 3.5 Flash thinking	74.40	86.40	—	—	—	—	1960B	免费商用
29	GLM-4.7 thinking + 使用工具 · 工具	73.80	—	—	—	40.60	—	3580B	免费商用
30	Grok 4 Heavy parallel_thinking + 使用工具 · 工具 · 并行	73.50	—	—	—	—	—	—	不开源

Claude Mythos Preview扩展 · 工具

SWE-bench Verified93.90

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public77.80

SWE-bench Multilingual87.30

不开源

Claude Sonnet 4.5parallel_thinking + 使用工具 · 工具 · 并行

SWE-bench Verified82.00

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

Claude Sonnet 5parallel_thinking · 并行

SWE-bench Verified82.00

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

Claude Opus 4.5thinking

SWE-bench Verified80.90

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

Claude Opus 4.6扩展 · 工具

SWE-bench Verified80.84

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual72.00

不开源

Gemini 3.1 Pro Preview思考模式 High · 工具

SWE-bench Verified80.60

LiveCodeBench91.70

HumanEval—

CodeForces—

SWE-Bench Pro - Public54.20

SWE-bench Multilingual—

不开源

Claude Sonnet 4parallel_thinking + 使用工具 · 工具 · 并行

SWE-bench Verified80.20

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

MiniMax M2.5thinking + 使用工具 · 工具

2290B

SWE-bench Verified80.20

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public55.40

SWE-bench Multilingual—

免费商用

GPT-5.2极高强度思考 · 工具

SWE-bench Verified80.00

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public55.60

SWE-bench Multilingual—

不开源

Claude Sonnet 4.6thinking

SWE-bench Verified79.60

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

Claude Opus 4.1parallel_thinking + 使用工具 · 工具 · 并行

SWE-bench Verified79.40

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

Qwen 3.6 Plus Preview思考模式 · 工具

SWE-bench Verified78.80

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public56.60

SWE-bench Multilingual—

不开源

GLM-5思考模式

7440B

SWE-bench Verified77.80

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Muse Spark思考模式 · 工具

SWE-bench Verified77.40

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

Claude Sonnet 4.5thinking + 使用工具 · 工具

SWE-bench Verified77.20

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

GPT-5.1-Codex-Maxhigh + 使用工具 · 工具

SWE-bench Verified76.80

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

Kimi K2.5思考模式 · 工具

10000B

SWE-bench Verified76.80

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public50.70

SWE-bench Multilingual—

免费商用

Qwen3.5-397B-A17B思考模式 · 工具

397B

SWE-bench Verified76.40

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

GPT-5.1思考模式 High · 工具

SWE-bench Verified76.30

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

GPT-5.1high

SWE-bench Verified76.30

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

Gemini 3.0 Pro (Preview 11-2025)thinking

SWE-bench Verified76.20

LiveCodeBench92.00

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

Qwen3-Max-Thinkingthinking

10000B

SWE-bench Verified75.30

LiveCodeBench85.90

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

o3-prohigh

SWE-bench Verified75.00

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

M2.1thinking

2300B

SWE-bench Verified74.80

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Claude Opus 4.1thinking

SWE-bench Verified74.50

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

Claude Opus 4.1thinking + 使用工具 · 工具

SWE-bench Verified74.50

LiveCodeBench65.00

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

GPT-5 Codexhigh

SWE-bench Verified74.50

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

Step 3.5 Flashthinking

1960B

SWE-bench Verified74.40

LiveCodeBench86.40

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

GLM-4.7thinking + 使用工具 · 工具

3580B

SWE-bench Verified73.80

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public40.60

SWE-bench Multilingual—

免费商用

Grok 4 Heavyparallel_thinking + 使用工具 · 工具 · 并行

SWE-bench Verified73.50

LiveCodeBench—

HumanEval—

CodeForces—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

排序：

当前展示前 30 名，共 211 个模型

排名

模型

Claude Mythos Preview

扩展 · 工具

93.90

—

77.80

87.30

Claude Sonnet 4.5

parallel_thinking + 使用工具 · 工具 · 并行

82.00

—

Claude Sonnet 5

parallel_thinking · 并行

82.00

—

Claude Opus 4.5

thinking

80.90

—

Claude Opus 4.6

扩展 · 工具

80.84

—

72.00

Gemini 3.1 Pro Preview

思考模式 High · 工具

80.60

91.70

—

54.20

—

Claude Sonnet 4

parallel_thinking + 使用工具 · 工具 · 并行

80.20

—

MiniMax M2.5

thinking + 使用工具 · 工具

80.20

—

55.40

—

GPT-5.2

极高强度思考 · 工具

80.00

—

55.60

—

Claude Sonnet 4.6

thinking

79.60

—

Claude Opus 4.1

parallel_thinking + 使用工具 · 工具 · 并行

79.40

—

Qwen 3.6 Plus Preview

思考模式 · 工具

78.80

—

56.60

—

GLM-5

思考模式

77.80

—

Muse Spark

思考模式 · 工具

77.40

—

Claude Sonnet 4.5

thinking + 使用工具 · 工具

77.20

—

GPT-5.1-Codex-Max

high + 使用工具 · 工具

76.80

—

Kimi K2.5

思考模式 · 工具

76.80

—

50.70

—

Qwen3.5-397B-A17B

思考模式 · 工具

76.40

—

GPT-5.1

思考模式 High · 工具

76.30

—

GPT-5.1

high

76.30

—

Gemini 3.0 Pro (Preview 11-2025)

thinking

76.20

92.00

—

Qwen3-Max-Thinking

thinking

75.30

85.90

—

o3-pro

high

75.00

—

M2.1

thinking

74.80

—

Claude Opus 4.1

thinking

74.50

—

Claude Opus 4.1

thinking + 使用工具 · 工具

74.50

65.00

—

GPT-5 Codex

high

74.50

—

Step 3.5 Flash

thinking

74.40

86.40

—

GLM-4.7

thinking + 使用工具 · 工具

73.80

—

40.60

—

Grok 4 Heavy

parallel_thinking + 使用工具 · 工具 · 并行

73.50

—