Aider Benchmark 评测基准详情

Aider 是一个在终端里进行结对编程的开源工具。为评估不同大模型在“按照指令对代码进行实际可落地的编辑”上的能力，Aider 提出并维护了公开基准与排行榜，用于比较模型在无人工干预下完成代码修改任务的可靠性与成功率。该评测已被多家模型提供方在技术说明中引用，用作代码编辑与指令遵循能力的对照指标。

Aider Benchmark

一个用于评估大模型在“按照指令对代码进行实际可落地的编辑”上的能力的评测基准

问题数量 225

发布机构个人

评测类别代码生成

评测指标 Accuracy

支持语言中文

难度等级高难度

Aider Benchmark 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

o3-pro high

84.9

2025-06-10

未知

#1

o3-pro high

Aider Benchmark得分 84.9

发布时间 2025-06-10

参数(亿) 未知

查看模型详情

2

Gemini-2.5-Pro thinking

83.1

2025-06-05

0.0

#2

Gemini-2.5-Pro thinking

Aider Benchmark得分 83.1

发布时间 2025-06-05

参数(亿) 0.0

查看模型详情

3

OpenAI o3 high

81.3

2025-04-16

0.0

#3

OpenAI o3 high

Aider Benchmark得分 81.3

发布时间 2025-04-16

参数(亿) 0.0

查看模型详情

4

Grok 4 thinking

79.6

2025-07-10

0.0

#4

Grok 4 thinking

Aider Benchmark得分 79.6

发布时间 2025-07-10

参数(亿) 0.0

查看模型详情

5

OpenAI o4 - mini high

72.0

2025-04-16

未知

#5

OpenAI o4 - mini high

Aider Benchmark得分 72.0

发布时间 2025-04-16

参数(亿) 未知

查看模型详情

6

Claude Opus 4 thinking

72.0

2025-05-23

未知

#6

Claude Opus 4 thinking

Aider Benchmark得分 72.0

发布时间 2025-05-23

参数(亿) 未知

查看模型详情

7

DeepSeek-V3.1

71.6

2025-08-20

6710.0

#7

DeepSeek-V3.1

Aider Benchmark得分 71.6

发布时间 2025-08-20

参数(亿) 6710.0

查看模型详情

8

DeepSeek-R1-0528 thinking

71.4

2025-05-28

6710.0

#8

DeepSeek-R1-0528 thinking

Aider Benchmark得分 71.4

发布时间 2025-05-28

参数(亿) 6710.0

查看模型详情

9

Claude Opus 4

70.1

2025-05-23

未知

#9

Claude Opus 4

Aider Benchmark得分 70.1

发布时间 2025-05-23

参数(亿) 未知

查看模型详情

10

Claude Sonnet 3.7 thinking

64.9

2025-02-25

未知

#10

Claude Sonnet 3.7 thinking

Aider Benchmark得分 64.9

发布时间 2025-02-25

参数(亿) 未知

查看模型详情

11

Claude Sonnet 4 thinking

61.3

2025-05-23

未知

#11

Claude Sonnet 4 thinking

Aider Benchmark得分 61.3

发布时间 2025-05-23

参数(亿) 未知

查看模型详情

12

Claude Sonnet 3.7

60.4

2025-02-25

未知

#12

Claude Sonnet 3.7

Aider Benchmark得分 60.4

发布时间 2025-02-25

参数(亿) 未知

查看模型详情

13

Kimi K2

59.1

2025-07-11

10000.0

#13

Kimi K2

Aider Benchmark得分 59.1

发布时间 2025-07-11

参数(亿) 10000.0

查看模型详情

14

DeepSeek-V3-0324

55.1

2025-03-24

6810.0

#14

DeepSeek-V3-0324

Aider Benchmark得分 55.1

发布时间 2025-03-24

参数(亿) 6810.0

查看模型详情

15

Claude 3.5 Sonnet New

51.6

2024-10-22

0.0

#15

Claude 3.5 Sonnet New

Aider Benchmark得分 51.6

发布时间 2024-10-22

参数(亿) 0.0

查看模型详情

16

Qwen3-32B thinking

40.0

2025-04-28

320.0

#16

Qwen3-32B thinking

Aider Benchmark得分 40.0

发布时间 2025-04-28

参数(亿) 320.0

查看模型详情

17

GPT-4o(2025-03-27)

27.1

2025-03-27

0.0

#17

GPT-4o(2025-03-27)

Aider Benchmark得分 27.1

发布时间 2025-03-27

参数(亿) 0.0

查看模型详情