加载中...
加载中...
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。
LiveCodeBench 是一个动态更新的基准测试平台，通过来自顶级竞赛平台的高难度编程任务，全面评估大型语言模型在复杂编码场景中的能力。
数据来源：DataLearnerAI
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | Gemini 3.0 Pro (Preview 11-2025)thinking | 92 | 2025-11-18 | 未知 |
| 2 | Gemini 2.5 Deep Thinkdeeper thinking | 87.6 | 2025-08-01 | 未知 |
| 3 | Claude Opus 4.5thinking + 使用工具 | 87 | 2025-11-25 | 未知 |
| 4 | GPT-5.1 Codexhigh + 使用工具 | 85.5 | 2025-11-14 | 未知 |
| 5 | GLM-4.7thinking | 84.9 | 2025-12-22 | 3580 |
| 6 | GLM-4.6thinking + 使用工具 | 84.5 | 2025-09-30 | 3550 |
| 7 | DeepSeek V3.2thinking | 83.3 | 2025-12-01 | 6710 |
| 8 | Kimi K2 Thinkingthinking | 83.1 | 2025-11-06 | 10400 |
| 9 | MiniMax M2thinking | 83 | 2025-10-27 | 2300 |
| 10 | GLM-4.6thinking | 82.8 | 2025-09-30 | 3550 |
| 11 | Grok 4thinking | 82 | 2025-07-10 | 未知 |
| 12 | Grok 4.1 Fastthinking | 82 | 2025-11-19 | 未知 |
| 13 | 80.4 | 2025-06-17 | 未知 | |
| 14 | Grok 4 Fastthinking | 80 | 2025-09-19 | 未知 |
| 15 | DeepSeek-V3.1 Terminusthinking | 80 | 2025-09-22 | 6710 |
| 16 | 79.4 | 2025-02-18 | 未知 | |
| 17 | 77.1 | 2025-05-06 | 未知 | |
| 18 | 77.1 | 2025-06-05 | 未知 | |
| 19 | 75.8 | 2025-04-16 | 未知 | |
| 20 | 74.9 | 2025-09-22 | 6710 | |
| 21 | DeepSeek-V3.1thinking | 74.8 | 2025-08-20 | 6710 |
| 22 | Qwen3-235B-A22B-Thinking-2507thinking | 74.1 | 2025-07-25 | 2350 |
| 23 | Qwen3-235B-A22B-Thinkingthinking | 74.1 | 2025-07-30 | 305 |
| 24 | DeepSeek V3.2-Expthinking | 74.1 | 2025-09-29 | 6710 |
| 25 | 73.8 | 2025-03-20 | 未知 | |
| 26 | DeepSeek-R1-0528thinking | 73.3 | 2025-05-28 | 6710 |
| 27 | GLM-4.5thinking | 72.9 | 2025-07-28 | 3550 |
| 28 | 71 | 2024-12-05 | 未知 | |
| 29 | Claude Sonnet 4.5thinking | 71 | 2025-09-30 | 未知 |
| 30 | 70.7 | 2025-04-28 | 2350 |