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 Verified、SWE-Bench Pro、LiveCodeBench、SWE-bench Multilingual 等数据集，对 GPT、Claude、Qwen、DeepSeek 等模型进行对比。

数据更新于 2026-05-20 16:04:12

截至 2026年5月，本页覆盖 SWE-bench Verified, LiveCodeBench, SWE-Bench Pro - Public, SWE-bench Multilingual 等评测基准，聚焦 大模型代码编程能力评测排行榜 方向的模型对比。

点击模型名称可进入详情页查看上下文长度、许可方式与 API 价格。数据口径说明见数据方法论。

代码能力参考综合排名

目前没有一个被普遍认可的代码能力综合排行榜。SWE-bench、HumanEval 等静态基准可以衡量特定技能，但容易被针对性优化（"刷榜"）。为此我们选取了两个切入角度不同的人类偏好参考榜单并列展示：LMArena Coding Arena 通过匿名盲测评测通用编程能力（调试、算法实现、代码生成等）；DesignArena Code Category 专注评测具有视觉呈现效果的前端代码生成（网站、UI 组件、游戏等），两者方法论相同但考察场景各异，结合参考效果最佳。

LMArena Coding Arena

完整排名

基于真实开发者提交的通用编程任务（调试、算法、代码生成）进行匿名 A/B 盲测投票，Elo 算法动态排名。

数据更新于 2026-05-14

#模型Elo

Opus 4.7 (thinking)Anthropic

1563

Opus 4.7Anthropic

1551

Claude Opus 4.6 (thinking)Anthropic

1550

Claude Opus 4.6Anthropic

1549

Claude Opus 4 (thinking-32k)Anthropic

1531

Muse SparkFacebook AI研究实验室

1530

GPT-5.4 (high)OpenAI

1527

智

GLM 5.1智谱AI

1527

Gemini 3.1 Pro PreviewGoogle Deep Mind

1526

Claude Sonnet 4.6Anthropic

1522

来源：LMArena

DesignArena Code Category

完整排名

基于 Arcada Labs 平台，对视觉前端代码任务（网站、UI 组件、游戏、数据可视化等）进行匿名投票，Bradley-Terry 模型动态排名。

数据更新于 2026-05-17

#模型Elo

Claude Opus 4.6Anthropic

1348

Opus 4.7 (thinking)Anthropic

1345

Claude Opus 4.6 (thinking)Anthropic

1344

Kimi K2.6Moonshot AI

1343

智

GLM 5.1智谱AI

1338

Opus 4.7Anthropic

1335

智

GLM-5-Turbo智谱AI

1334

Claude Sonnet 4.6Anthropic

1331

MiMo-V2.5-ProXiaomi

1329

GPT-5.5OpenAI

1320

来源：DesignArena

基准评测

SWE-bench Verified LiveCodeBench SWE-Bench Pro - Public SWE-bench Multilingual

更多评测

参数规模:全部 3B及以下 7B 13B 34B 65B 100B及以上

模型类型:全部推理大模型基座大模型指令优化/聊天优化大模型编程大模型

开源：全部开源闭源

来源：全部国产模型

模型发布时间截止:

榜单亮点

按 LiveCodeBench 排序

当前 SOTA

DeepSeek-V4-Pro

DeepSeek-AI

93.50LiveCodeBench

查看详情

最佳开源

DeepSeek-V4-Flash

DeepSeek-AI

91.60LiveCodeBench−1.90

查看详情

最佳国产

Kimi K2.6

Moonshot AI

89.60LiveCodeBench−3.90

查看详情

大模型性能评测结果

数据来源：DataLearnerAI

点击任意行查看模型详情；勾选左侧可对比最多 4 个模型。

排名	模型					开源情况
	DeepSeek-V4-Pro 思考水平 · 高 DeepSeek-AI	—	93.50	—	—	免费商用	详情
	Gemini 3.0 Pro (Preview 11-2025) 开启思考 Google Deep Mind	76.20	92.00	—	—	闭源	详情
	Gemini 3.1 Pro Preview 思考水平 · 高工具 Google Deep Mind	80.60	91.70	54.20	—	闭源	详情
4	DeepSeek-V4-Flash 思考水平 · 高 DeepSeek-AI	—	91.60	—	—	免费商用	详情
5	DeepSeek-V4-Pro 思考水平 · 高 DeepSeek-AI	—	89.80	—	—	免费商用	详情
6	Kimi K2.6 开启思考 Moonshot AI	—	89.60	—	—	免费商用	详情
7	DeepSeek-V4-Flash 思考水平 · 高 DeepSeek-AI	—	88.40	—	—	免费商用	详情
8	Gemini 2.5 Deep Think 深度思考模式 Google Deep Mind	—	87.60	—	—	闭源	详情
9	Qwen 3.6 Plus Preview 开启思考阿里巴巴	—	87.10	56.60	73.80	闭源	详情
10	Opus 4.5 扩展思考工具 Anthropic	80.90	87.00	—	—	闭源	详情
11	Step 3.5 Flash 开启思考 StepFunAI	74.40	86.40	—	—	免费商用	详情
12	Qwen3-Max-Thinking 开启思考阿里巴巴	75.30	85.90	—	—	闭源	详情
13	GPT-5.1 Codex 思考水平 · 高工具 OpenAI	70.40	85.50	—	—	闭源	详情
14	Kimi K2.5 开启思考 Moonshot AI	—	85.00	—	73.00	免费商用	详情
15	GLM-4.7 开启思考智谱AI	—	84.90	—	—	免费商用	详情
16	GLM-4.6 开启思考工具智谱AI	68.00	84.50	—	—	免费商用	详情
17	Qwen3.6-27B 开启思考阿里巴巴	—	83.90	—	—	免费商用	详情
18	Qwen3.5-397B-A17B 开启思考阿里巴巴	—	83.60	50.90	69.30	免费商用	详情
19	DeepSeek V3.2 开启思考 DeepSeek-AI	70.20	83.30	40.90	—	免费商用	详情
20	Kimi K2 Thinking 开启思考 Moonshot AI	—	83.10	—	—	免费商用	详情
21	MiniMax M2 开启思考 MiniMaxAI	—	83.00	—	—	免费商用	详情
22	GLM-4.6 开启思考智谱AI	—	82.80	—	—	免费商用	详情
23	Grok 4 开启思考 xAI	58.60	82.00	—	—	闭源	详情
24	Grok 4.1 Fast 开启思考 xAI	—	82.00	—	—	闭源	详情
25	Qwen3.5-27B 开启思考工具阿里巴巴	—	80.70	—	—	免费商用	详情
26	Qwen3.6-35B-A3B 开启思考阿里巴巴	73.40	80.40	49.50	67.20	免费商用	详情
27	Gemini 2.5 Pro Deep Think Google Deep Mind	—	80.40	—	—	闭源	详情
28	Gemma 4 31B 开启思考 DeepMind	—	80.00	—	—	免费商用	详情
29	DeepSeek-V3.1 Terminus 开启思考 DeepSeek-AI	—	80.00	—	—	免费商用	详情
30	Grok 4 Fast 开启思考 xAI	—	80.00	—	—	闭源	详情
31	Grok-3 - Reasoning Beta xAI	—	79.40	—	—	闭源	详情
32	Gemini-2.5-Pro-Preview-05-06 Google Deep Mind	63.20	77.10	—	—	闭源	详情
33	Gemma 4 26B A4B 开启思考 DeepMind	—	77.10	—	—	免费商用	详情
34	Gemini 2.5-Pro Google Deep Mind	—	77.10	—	—	闭源	详情
35	Claude Opus 4.6 扩展思考 Anthropic	—	76.00	—	—	闭源	详情
36	OpenAI o3 OpenAI	—	75.80	—	—	闭源	详情
37	DeepSeek-V3.1 Terminus DeepSeek-AI	68.40	74.90	—	—	免费商用	详情
38	DeepSeek-V3.1 开启思考 DeepSeek-AI	—	74.80	—	—	免费商用	详情
39	DeepSeek V3.2-Exp 开启思考 DeepSeek-AI	—	74.10	—	—	免费商用	详情
40	Qwen3-235B-A22B-Thinking 开启思考阿里巴巴	—	74.10	—	—	免费商用	详情
41	Qwen3-235B-A22B-Thinking-2507 开启思考阿里巴巴	—	74.10	—	—	免费商用	详情
42	Kimi-k1.6-IOI-high Moonshot AI	—	73.80	—	—	闭源	详情
43	DeepSeek-R1-0528 开启思考 DeepSeek-AI	57.60	73.30	—	—	免费商用	详情
44	GLM-4.5 开启思考智谱AI	64.20	72.90	—	—	免费商用	详情
45	OpenAI o1 OpenAI	48.90	71.00	—	—	闭源	详情
46	Claude Sonnet 4.5 开启思考 Anthropic	—	71.00	43.60	—	闭源	详情
47	GLM-4.5-Air 开启思考智谱AI	57.60	70.70	—	—	免费商用	详情
48	Qwen3-235B-A22B 阿里巴巴	34.40	70.70	—	—	免费商用	详情
49	Qwen3-235B-A22B 开启思考阿里巴巴	—	70.70	—	—	免费商用	详情
50	Grok 3 xAI	—	70.60	—	—	闭源	详情

DeepSeek-V4-Pro

DeepSeek-AI

思考水平 · 高

SWE-bench Verified—

LiveCodeBench93.50

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Gemini 3.0 Pro (Preview 11-2025)

Google Deep Mind

开启思考

SWE-bench Verified76.20

LiveCodeBench92.00

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

Gemini 3.1 Pro Preview

Google Deep Mind

思考水平 · 高工具

SWE-bench Verified80.60

LiveCodeBench91.70

SWE-Bench Pro - Public54.20

SWE-bench Multilingual—

闭源

DeepSeek-V4-Flash

DeepSeek-AI

思考水平 · 高

SWE-bench Verified—

LiveCodeBench91.60

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

DeepSeek-V4-Pro

DeepSeek-AI

思考水平 · 高

SWE-bench Verified—

LiveCodeBench89.80

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Kimi K2.6

Moonshot AI

开启思考

SWE-bench Verified—

LiveCodeBench89.60

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

DeepSeek-V4-Flash

DeepSeek-AI

思考水平 · 高

SWE-bench Verified—

LiveCodeBench88.40

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Gemini 2.5 Deep Think

Google Deep Mind

深度思考模式

SWE-bench Verified—

LiveCodeBench87.60

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

Qwen 3.6 Plus Preview

阿里巴巴

开启思考

SWE-bench Verified—

LiveCodeBench87.10

SWE-Bench Pro - Public56.60

SWE-bench Multilingual73.80

闭源

Opus 4.5

Anthropic

扩展思考工具

SWE-bench Verified80.90

LiveCodeBench87.00

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

Step 3.5 Flash

StepFunAI

开启思考

SWE-bench Verified74.40

LiveCodeBench86.40

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Qwen3-Max-Thinking

阿里巴巴

开启思考

SWE-bench Verified75.30

LiveCodeBench85.90

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

GPT-5.1 Codex

OpenAI

思考水平 · 高工具

SWE-bench Verified70.40

LiveCodeBench85.50

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

Kimi K2.5

Moonshot AI

开启思考

SWE-bench Verified—

LiveCodeBench85.00

SWE-Bench Pro - Public—

SWE-bench Multilingual73.00

免费商用

GLM-4.7

智谱AI

开启思考

SWE-bench Verified—

LiveCodeBench84.90

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

GLM-4.6

智谱AI

开启思考工具

SWE-bench Verified68.00

LiveCodeBench84.50

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Qwen3.6-27B

阿里巴巴

开启思考

SWE-bench Verified—

LiveCodeBench83.90

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Qwen3.5-397B-A17B

阿里巴巴

开启思考

SWE-bench Verified—

LiveCodeBench83.60

SWE-Bench Pro - Public50.90

SWE-bench Multilingual69.30

免费商用

DeepSeek V3.2

DeepSeek-AI

开启思考

SWE-bench Verified70.20

LiveCodeBench83.30

SWE-Bench Pro - Public40.90

SWE-bench Multilingual—

免费商用

Kimi K2 Thinking

Moonshot AI

开启思考

SWE-bench Verified—

LiveCodeBench83.10

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

MiniMax M2

MiniMaxAI

开启思考

SWE-bench Verified—

LiveCodeBench83.00

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

GLM-4.6

智谱AI

开启思考

SWE-bench Verified—

LiveCodeBench82.80

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Grok 4

xAI

开启思考

SWE-bench Verified58.60

LiveCodeBench82.00

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

Grok 4.1 Fast

xAI

开启思考

SWE-bench Verified—

LiveCodeBench82.00

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

Qwen3.5-27B

阿里巴巴

开启思考工具

SWE-bench Verified—

LiveCodeBench80.70

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Qwen3.6-35B-A3B

阿里巴巴

开启思考

SWE-bench Verified73.40

LiveCodeBench80.40

SWE-Bench Pro - Public49.50

SWE-bench Multilingual67.20

免费商用

Gemini 2.5 Pro Deep Think

Google Deep Mind

SWE-bench Verified—

LiveCodeBench80.40

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

Gemma 4 31B

DeepMind

开启思考

SWE-bench Verified—

LiveCodeBench80.00

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

DeepSeek-V3.1 Terminus

DeepSeek-AI

开启思考

SWE-bench Verified—

LiveCodeBench80.00

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Grok 4 Fast

xAI

开启思考

SWE-bench Verified—

LiveCodeBench80.00

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

Grok-3 - Reasoning Beta

xAI

SWE-bench Verified—

LiveCodeBench79.40

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

Gemini-2.5-Pro-Preview-05-06

Google Deep Mind

SWE-bench Verified63.20

LiveCodeBench77.10

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

Gemma 4 26B A4B

DeepMind

开启思考

SWE-bench Verified—

LiveCodeBench77.10

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Gemini 2.5-Pro

Google Deep Mind

SWE-bench Verified—

LiveCodeBench77.10

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

Claude Opus 4.6

Anthropic

扩展思考

SWE-bench Verified—

LiveCodeBench76.00

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

OpenAI o3

OpenAI

SWE-bench Verified—

LiveCodeBench75.80

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

DeepSeek-V3.1 Terminus

DeepSeek-AI

SWE-bench Verified68.40

LiveCodeBench74.90

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

DeepSeek-V3.1

DeepSeek-AI

开启思考

SWE-bench Verified—

LiveCodeBench74.80

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

DeepSeek V3.2-Exp

DeepSeek-AI

开启思考

SWE-bench Verified—

LiveCodeBench74.10

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Qwen3-235B-A22B-Thinking

阿里巴巴

开启思考

SWE-bench Verified—

LiveCodeBench74.10

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Qwen3-235B-A22B-Thinking-2507

阿里巴巴

开启思考

SWE-bench Verified—

LiveCodeBench74.10

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Kimi-k1.6-IOI-high

Moonshot AI

SWE-bench Verified—

LiveCodeBench73.80

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

DeepSeek-R1-0528

DeepSeek-AI

开启思考

SWE-bench Verified57.60

LiveCodeBench73.30

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

GLM-4.5

智谱AI

开启思考

SWE-bench Verified64.20

LiveCodeBench72.90

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

OpenAI o1

OpenAI

SWE-bench Verified48.90

LiveCodeBench71.00

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

Claude Sonnet 4.5

Anthropic

开启思考

SWE-bench Verified—

LiveCodeBench71.00

SWE-Bench Pro - Public43.60

SWE-bench Multilingual—

闭源

GLM-4.5-Air

智谱AI

开启思考

SWE-bench Verified57.60

LiveCodeBench70.70

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Qwen3-235B-A22B

阿里巴巴

SWE-bench Verified34.40

LiveCodeBench70.70

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Qwen3-235B-A22B

阿里巴巴

开启思考

SWE-bench Verified—

LiveCodeBench70.70

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Grok 3

xAI

SWE-bench Verified—

LiveCodeBench70.60

SWE-Bench Pro - Public—

SWE-bench Multilingual—

闭源

排序：

已显示 50 / 202 个模型查看 LiveCodeBench 基准测试完整页面