跳到正文

Arena WebDev

LMArena · 同样是真人盲选，比的是网页好不好用、能不能交付。

官方评测
在 EVAOO News 中仅供参考
证据预算不参与排序
上游数据时间11/10 08:00
最近成功同步11/12 08:05

它测什么，怎么测

读取官方发布的 WebDev / Code Arena 快照，保留上游型号与配置。

如何使用这份证据

保留原始成绩供参考；当前尚未核实所有型号使用相同固定工具流程，因此不参与底层型号排序。

评测成绩

按固定规则，每个公开模型采用一套代表配置；没有可采用配置的模型标为未计入并写明原因。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

原榜名次原榜型号原始成绩代表配置
1Claude Fable 5.2 (xHigh)Anthropic1,835.8xHigh 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
2Claude Opus 5.5 (Max)Anthropic1,814.3Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
3Claude Sonnet 5.5 (xHigh)Anthropic1,772.5xHigh 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
4Gemini 4 Carbon (High)Google1,768.2High 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
5GPT-6 Astra (Max)OpenAI1,764.4Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
6GPT-6.1 Sol (Max)OpenAI1,743Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
7Claude Fable 5.1 (Max)Anthropic1,742.1Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
8Muse Wonder Full (Max)Meta1,723.4Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
10Claude Opus 5 (Max)Anthropic1,691Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
11Kimi K3.1 Pro (Max)Moonshot AI1,687.7Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
12Gemini 4 Argon (High)Google1,682.1High 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
13GPT-6.1 Terra (Max)OpenAI1,678.5Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
15GPT-6 Sol (Max)OpenAI1,673Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
16Qwen3.8-MaxAlibaba1,670.3来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
17DeepSeek-V4.1-Flash-20261017 (Max)DeepSeek1,663.6Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
18Kimi K3 (Max)Moonshot AI1,657.9Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
20Muse Spark 1.3 (Max)Meta1,655.1Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
21Muse Wonder (Max)Meta1,648.6Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
22Inkling 2 SmallThinking Machines Lab1,646.2来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
23Grok 4.7 (xHigh)xAI1,641xHigh 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
24MiMo-V2.6-FlashXiaomi1,637.6来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
25Hy4 previewTencent1,631.6来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
26Claude Fable 5 (High)Anthropic1,625.3High 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
27MiMo-V2.6-ProXiaomi1,624.3来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
28Qwen3.8-Flash-NextAlibaba1,623.5来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
29GLM-5.3 (Max)Z.ai1,622.3Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
30DeepSeek-V4.1-Flash-20260910 (Max)DeepSeek1,620.6Max 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
32Grok 4.6 (High)xAI1,618High 推理未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
33GPT-5.6 Sol (xHigh, Codex Harness)OpenAI1,615.4xHigh 推理 · Codex Harness未计入：该次 Agent 配置尚未对应到已核实的统一工具流程。
34U2 Flashunisound1,610.6来源默认配置未计入：代码成品包含运行系统影响，尚未逐项核实统一的单模型配置，仅供参考。
评测局限与数据署名

不能把不同专用 Agent 或不同执行流程的交付表现直接归因于底层型号；待共同协议范围核实后再评估。

数据许可：CC BY 4.0

成绩由 LMArena 发布，各项原始分数使用不同尺度，不能直接相加；参考位次采用公开的分差标准化规则。