LiveCodeBench 由加州大学伯克利分校、麻省理工学院和康奈尔大学的研究人员开发，是一个先进的评测基准套件，专门用于严格评估大语言模型 (LLMs) 在代码处理方面的能力，并解决现有基准测试的局限性。通过引入实时更新的问题集和多维度评估方法，LiveCodeBench 确保对 LLM 进行公平、全面和稳健的评估。
| 模型简称 | 得分 | 发布机构 | 发布时间 | 参数规模（亿） |
|---|---|---|---|---|
| Grok-3 - Reasoning Beta | 79.4 |
|
2025-02-18 | 未知 |
| Kimi-k1.6-IOI-high | 73.8 |
|
2025-03-20 | 未知 |
| OpenAI o1 | 71.0 |
|
2024-12-05 | 未知 |
| Qwen3-235B-A22B | 70.7 |
|
2025-04-28 | 2350.0 |
| Grok 3 | 70.6 |
|
2025-02-17 | 未知 |
| Gemini 2.5 Pro Experimental 03-25 | 70.4 |
|
2025-03-25 | 0.0 |
| OpenAI o3-mini (high) | 69.5 |
|
2025-01-31 | 未知 |
| OpenAI o3-mini (medium) | 67.4 |
|
2025-01-31 | 未知 |
| Kimi-k1.6-IOI | 65.9 |
|
2025-03-20 | 未知 |
| DeepSeek-R1 | 65.9 |
|
2025-01-20 | 6710.0 |
| Qwen3-32B | 65.7 |
|
2025-04-28 | 220.0 |
| QwQ-Max-Preview | 65.6 |
|
2025-03-20 | 未知 |
| Hunyuan-T1 | 64.9 |
|
2025-03-21 | 0.0 |
| Gemini 2.5 Flash | 63.4 |
|
2025-04-17 | 未知 |
| OpenAI o1-mini | 52.0 |
|
2024-09-12 | 未知 |
| Qwen2.5-32B | 51.2 |
|
2024-09-18 | 320.0 |
| Llama 4 Behemoth Instruct | 49.4 |
|
2025-04-05 | 20000.0 |
| DeepSeek-V3-0324 | 49.2 |
|
2025-03-24 | 6810.0 |
| GPT-4.5 | 46.4 |
|
2025-02-28 | 未知 |
| Llama 4 Maverick Instruct | 43.4 |
|
2025-04-05 | 4000.0 |
| Claude 3.5 Sonnet New | 38.7 |
|
2024-10-22 | 0.0 |
| GPT-4o | 35.1 |
|
2024-05-13 | 未知 |
| DeepSeek-V3 | 34.6 |
|
2024-12-26 | 6810.0 |
| Llama3.3-70B-Instruct | 33.3 |
|
2024-12-06 | 700.0 |
| Llama3.1-70B-Instruct | 33.3 |
|
2024-07-23 | 700.0 |
| Llama 4 Scout Instruct | 32.8 |
|
2025-04-05 | 1090.0 |
| Hunyuan-TurboS | 32.0 |
|
2025-03-10 | 未知 |
| Llama3.1-405B Instruct | 30.2 |
|
2024-07-23 | 4050.0 |
| Gemma 3 - 27B (IT) | 29.7 |
|
2025-03-12 | 270.0 |
| Gemma 3 - 12B (IT) | 24.6 |
|
2025-03-12 | 120.0 |
得分:
79.4
发布时间:
2025-02-18
参数规模(亿):
未知
得分:
73.8
发布时间:
2025-03-20
参数规模(亿):
未知
得分:
71.0
发布时间:
2024-12-05
参数规模(亿):
未知
得分:
70.7
发布时间:
2025-04-28
参数规模(亿):
2350.0
得分:
70.6
发布时间:
2025-02-17
参数规模(亿):
未知
得分:
70.4
发布时间:
2025-03-25
参数规模(亿):
0.0
得分:
69.5
发布时间:
2025-01-31
参数规模(亿):
未知
得分:
67.4
发布时间:
2025-01-31
参数规模(亿):
未知
得分:
65.9
发布时间:
2025-03-20
参数规模(亿):
未知
得分:
65.9
发布时间:
2025-01-20
参数规模(亿):
6710.0
得分:
65.7
发布时间:
2025-04-28
参数规模(亿):
220.0
得分:
65.6
发布时间:
2025-03-20
参数规模(亿):
未知
得分:
64.9
发布时间:
2025-03-21
参数规模(亿):
0.0
得分:
63.4
发布时间:
2025-04-17
参数规模(亿):
未知
得分:
52.0
发布时间:
2024-09-12
参数规模(亿):
未知
得分:
51.2
发布时间:
2024-09-18
参数规模(亿):
320.0
得分:
49.4
发布时间:
2025-04-05
参数规模(亿):
20000.0
得分:
49.2
发布时间:
2025-03-24
参数规模(亿):
6810.0
得分:
46.4
发布时间:
2025-02-28
参数规模(亿):
未知
得分:
43.4
发布时间:
2025-04-05
参数规模(亿):
4000.0
得分:
38.7
发布时间:
2024-10-22
参数规模(亿):
0.0
得分:
35.1
发布时间:
2024-05-13
参数规模(亿):
未知
得分:
34.6
发布时间:
2024-12-26
参数规模(亿):
6810.0
得分:
33.3
发布时间:
2024-12-06
参数规模(亿):
700.0
得分:
33.3
发布时间:
2024-07-23
参数规模(亿):
700.0
得分:
32.8
发布时间:
2025-04-05
参数规模(亿):
1090.0
得分:
32.0
发布时间:
2025-03-10
参数规模(亿):
未知
得分:
30.2
发布时间:
2024-07-23
参数规模(亿):
4050.0
得分:
29.7
发布时间:
2025-03-12
参数规模(亿):
270.0
得分:
24.6
发布时间:
2025-03-12
参数规模(亿):
120.0