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

SWE-bench Verified LiveCodeBench HumanEval

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

更多评测

筛选

已筛选

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

大模型性能评测结果

数据来源：DataLearnerAI

排名	模型	LiveCodeBench	HumanEval	参数(亿)	开源情况
1	Llama3.3-70B-Instruct	33.30	88.40	700B	免费商用
2	Llama3.1-70B-Instruct	33.30	80.50	700B	免费商用
3	Qwen2.5-72B	0.00	59.10	727B	免费商用
4	Hunyuan-A13B-Instruct	63.90	0.00	800B	免费商用
5	Pangu Pro MoE	59.60	0.00	719B	免费商用
6	Qwen3-Next	56.60	0.00	800B	免费商用

Llama3.3-70B-Instruct

700B

SWE-bench Verified0.00

LiveCodeBench33.30

HumanEval88.40

免费商用

Llama3.1-70B-Instruct

700B

SWE-bench Verified0.00

LiveCodeBench33.30

HumanEval80.50

免费商用

Qwen2.5-72B

727B

SWE-bench Verified0.00

LiveCodeBench0.00

HumanEval59.10

免费商用

Hunyuan-A13B-Instruct

800B

SWE-bench Verified0.00

LiveCodeBench63.90

HumanEval0.00

免费商用

Pangu Pro MoE

719B

SWE-bench Verified0.00

LiveCodeBench59.60

HumanEval0.00

免费商用

Qwen3-Next

800B

SWE-bench Verified0.00

LiveCodeBench56.60

HumanEval0.00

免费商用

加载中...