OnlySOTA

编程

写代码、改代码。按评判方式分开看：自动跑测试打分，和由人在两份答案里二选一，结论常常不一样。

截至 2026-10-10：Artificial Analysis LLM Leaderboard · SciCode 第一是 Claude Opus 5.5（66.9%）。Arena — Code · Overall 第一是 Claude Opus 5.5（1813）。斩杀者是 Claude Haiku 5.5，混合价每百万 token $0.20。

榜单AA · Artificial Analysis LLM Leaderboard · 抓取于 2026-10-10 04:41 UTC A-CODE · Arena — Code · 数据截至 2026-10-08 · 抓取于 2026-10-09 04:45 UTC
SOTA
14个模型
得分高过斩杀者
第一 · AA
Claude Opus 5.5
66.9% · $8.00
斩杀者 · 价格
Claude Haiku 5.5
$0.20
最便宜的 SOTA
MiMo V2.6 Pro
60.9% · $0.54
排行 · AA 42–67% · A-CODE 1442–1828
  1. 166.9%1813
  2. 263.1%1744
  3. 361.8%1678
  4. 4上一代61.0%1625
  5. 561.0%1774
  6. 660.9%1629
  7. 7上一代59.8%1592
  8. 859.7%1657
  9. 959.5%1654
  10. 1059.0%1622
  11. 1158.9%1564
  12. 12上一代58.8%1542
  13. 1358.7%1447
  14. 14上一代57.8%1618
  15. 1557.8%1639
  16. 16上一代57.6%1688
  17. 17上一代57.4%1533
  18. 1856.6%1583
  19. 1956.5%1786
  20. 20上一代56.5%1617
  21. 21上一代56.4%1691
  22. 22上一代56.1%1513
  23. 2355.8%1755
  24. 24新上榜斩杀者55.0%1587
查看 AA 的全部 125 个模型 →
斩杀线：得分 × 价格

斩杀者是全场性价比最高的模型：比它贵、得分又不更高的，都被它斩杀。 斩杀线是怎么画的 →历任斩杀者 →

SciCode · 刻度从 0 开始20%40%60%0$0.05$0.25$1.00$5.00$20.0066.9%$8.00Claude Opus 5.5斩杀者Claude Haiku 5.555.0% · $0.20SOTA低成本被斩杀Blended Price, USD per 1M tokens (3:1 input:output) · log10
斩杀线前沿线：没有哪个模型在价格和得分上同时胜过它们SOTA低成本被斩杀空心点或浅色叉：该榜的估算值

Claude Opus 5.5

anthropic/claude-opus-5-5 · 闭源 · $8.00 · SOTA

查看完整页面 →
各榜成绩
  • Artificial Analysis LLM Leaderboard57.6第 1 名，共 375 个
  • Arena — Agent0.143第 1 名，共 52 个
  • Artificial Analysis Coding Agents0.660第 2 名，共 24 个
  • Epoch AI Benchmarking Hub91.2%第 3 名，共 82 个
  • Terminal-Bench 4.064.8%第 1 名，共 35 个
  • Arena — Code1813第 1 名，共 142 个
  • Arena — Text1507第 2 名，共 414 个
  • Arena — Vision1293第 11 名，共 165 个
不同推理强度下的成绩

Artificial Analysis LLM Leaderboardmax 最高

  1. low42.3
  2. medium51.2
  3. high53.6
  4. xhigh56.0
  5. max57.6

只测了一档

  • Arena — Agent · agenthigh0.143
  • Artificial Analysis Coding Agents · Claude Codemax0.660
  • Epoch AI Benchmarking Hubmax91.2%
  • Terminal-Bench 4.0 · Claude Codemax64.8%
  • Arena — Codemax1813
  • Arena — Texthigh1507
  • Arena — Visionhigh1293

这个场景参考哪些榜

自动评分

按测试或标准答案自动打分，不经过人工评判，也不经过智能体循环，直接衡量模型写出的代码。

网页开发

由人在两个已完成的网页应用之间选出更好的一个。Arena 的 Code Arena 全部是网页开发任务，所以这里按它实际测的内容，称为网页开发榜。