加载中...
加载中...
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。
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
Source: DataLearnerAI
Data sourced primarily from official releases (GitHub, Hugging Face, papers), then benchmark leaderboards, then third-party evaluators. Learn about our data methodology
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | o3-prodefault | 84.9 | 2025-06-10 | 未知 |
| 2 | Gemini 2.5-Prodefault | 83.1 | 2025-06-05 | 未知 |
| 3 | OpenAI o3default | 81.3 | 2025-04-16 | 未知 |
| 4 | Grok 4default | 79.6 | 2025-07-10 | 未知 |
| 5 | DeepSeek-V3.1default | 76.3 | 2025-08-20 | 6710 |
| 6 | DeepSeek-V3.1 Terminusdefault | 76.1 | 2025-09-22 | 6710 |
| 7 | DeepSeek V3.2-Expdefault | 74.5 | 2025-09-29 | 6710 |
| 8 | OpenAI o4 - minidefault | 72 | 2025-04-16 | 未知 |
| 9 | Claude Opus 4default | 72 | 2025-05-23 | 未知 |
| 10 | DeepSeek-R1-0528default | 71.4 | 2025-05-28 | 6710 |
| 11 | Claude Opus 4default | 70.1 | 2025-05-23 | 未知 |
| 12 | DeepSeek V3.2default | 69.9 | 2025-12-01 | 6710 |
| 13 | DeepSeek-V3.1default | 68.4 | 2025-08-20 | 6710 |
| 14 | Qwen3-Coder-Nextdefault | 66.2 | 2026-02-03 | 80 |
| 15 | Claude Sonnet 3.7default | 64.9 | 2025-02-25 | 未知 |
| 16 | Claude Sonnet 4default | 61.3 | 2025-05-23 | 未知 |
| 17 | M2.1default | 61 | 2025-12-23 | 2300 |
| 18 | Claude Sonnet 3.7default | 60.4 | 2025-02-25 | 未知 |
| 19 | Kimi K2default | 59.1 | 2025-07-11 | 10000 |
| 20 | Gemini 2.5 Flashdefault | 56.7 | 2025-04-17 | 未知 |
| 21 | DeepSeek-V3-0324default | 55.1 | 2025-03-24 | 6710 |
| 22 | GLM-4.7default | 52.1 | 2025-12-22 | 3580 |
| 23 | Claude 3.5 Sonnet Newdefault | 51.6 | 2024-10-22 | 未知 |
| 24 | Qwen3-Nextdefault | 49.8 | 2025-09-11 | 800 |
| 25 | Qwen3-32Bdefault | 40 | 2025-04-28 | 320 |
| 26 | GPT-4o(2025-03-27)default | 27.1 | 2025-03-27 | 未知 |