加载中...

大模型代码编程能力评测排行榜

本页面提供大模型代码编程能力评测排行榜，涵盖 SWE-Bench、LiveCodeBench、HumanEval 等数据集，对 GPT、Claude、Qwen、DeepSeek 等模型进行对比。

数据更新于: 2025/10/12 20:54:51

评测切换

在这里切换评测，图表和表格会同步更新

还有更多评测基准

进入评测基准列表，按类别/语言快速筛选

已筛选

参数规模

模型类型

大模型性能评测结果

数据来源：DataLearnerAI

排名	模型	SWE-bench Verified	LiveCodeBench	HumanEval	参数(亿)	开源情况
1	GPT OSS 120B	60.10	0.00	0.00	117B	免费商用
2	Moonlight-16B-A3B-Instruct	0.00	0.00	48.10	160B	免费商用
3	Gemma 3 - 12B (IT)	0.00	24.60	0.00	120B	免费商用

GPT OSS 120B

117B

SWE-bench Verified60.10

LiveCodeBench0.00

HumanEval0.00

免费商用

Moonlight-16B-A3B-Instruct

160B

SWE-bench Verified0.00

LiveCodeBench0.00

HumanEval48.10

免费商用

Gemma 3 - 12B (IT)

120B

SWE-bench Verified0.00

LiveCodeBench24.60

HumanEval0.00

免费商用

加载中...