ProgramBench 测试“净室”软件重建：智能体只拿到程序的文档和可执行文件，需要自行设计并实现一个行为与原程序一致的代码库。200 个任务来自真实开源项目（以 Rust、Go、C 为主），用模糊测试生成的隐藏端到端测试判分。整体得分很低，多数模型只能完成极少数任务。
查看 Program Bench 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
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 | 开源情况 | |||
|---|---|---|---|---|---|
 Claude Fable 5.1 思考水平·Max工具 | 87.60 | 2026-09-01 | 未知 | 闭源 | |
 Step 5 Preview 思考水平·高工具 | 80.50 | 2026-09-20 | 6000亿 | 闭源 | |
 GLM-5.2 开启思考工具 | 63.70 | 2026-06-13 | 7533.3亿 | 免费商用 | |
4 |  Kimi K2.7 Code 开启思考工具 | 53.60 | 2026-06-12 | 10000亿 | 免费商用 |
5 | Kimi K2.6 开启思考工具 | 48.30 | 2026-04-20 | 10000亿 | 免费商用 |
6 | Claude Opus 5 思考水平·Max工具 | 37.00 | 2026-07-24 | 未知 | 闭源 |
7 |  Qwen3.8-Max-0902 思考水平·极高工具 | 28.00 | 2026-09-02 | 24000亿 | 闭源 |
8 | MiMo-V2.6-Pro 开启思考工具 | 26.50 | 2026-09-22 | 10200亿 | 免费商用 |
9 | MiMo-V2.6-Flash 开启思考工具 | 26.00 | 2026-09-22 | 3090亿 | 免费商用 |
10 |  GPT-5.6 Sol 思考水平·Max工具 | 23.00 | 2026-06-26 | 未知 | 闭源 |
11 |  DeepSeek-V4.1-Flash 思考水平·Max工具 | 20.30 | 2026-09-10 | 5520亿 | 免费商用 |
12 | GLM-5.3 思考水平·Max工具 | 19.00 | 2026-08-14 | 7440亿 | 有条件商用 |
13 | Claude Opus 5.5 思考水平·Max工具 | 18.50 | 2026-09-22 | 未知 | 闭源 |
14 | Kimi K3 思考水平·Max工具 | 17.50 | 2026-07-16 | 28000亿 | 有条件商用 |
15 |  Hy4 preview 思考水平·高工具 | 17.50 | 2026-08-28 | 7700亿 | 免费商用 |
16 | GPT-6 Sol 思考水平·Max工具 | 2.00 | 2026-09-22 | 未知 | 闭源 |
17 | GPT-6 Luna 思考水平·Max工具 | 0.5 | 2026-09-22 | 未知 | 闭源 |
Kimi K3 (max) 官方发布成绩：77.8（2026-07-16）。
