公开评测 · 按能力比较

AI 模型榜

按公开评测成绩比较模型。点击模型名称，查看各项能力分数和测试配置。

来源：LiveBench ↗评测版本 2026-06-25快照核验 2026-10-10

智能体编程榜 60 / 60 个模型配置

LiveBench 智能体编程评测成绩，同分并列，搜索保留名次
名次	模型与配置	智能体编程分数
1	DeepSeek V4.1 Flash Max Effort 综合 81.1 推理 86.7 编程 80.0 智能体编程 77.3 数学 93.3 数据分析 79.3 语言 81.2 指令遵循 70.0 DeepSeek开放权重	77.3
2	Claude 5.5 Opus Thinking Max Effort 综合 83.2 推理 92.2 编程 89.3 智能体编程 71.7 数学 97.1 数据分析 80.3 语言 86.3 指令遵循 65.7 Anthropic	71.7
3	Claude Fable 5.1 Max Effort 综合 83.4 推理 91.7 编程 86.4 智能体编程 66.1 数学 97.0 数据分析 80.3 语言 89.5 指令遵循 73.0 Anthropic	66.1
4	Claude 5 Opus Thinking Max Effort 综合 80.1 推理 91.2 编程 81.4 智能体编程 65.2 数学 95.7 数据分析 74.6 语言 88.7 指令遵循 63.8 Anthropic	65.2
5	DeepSeek V4 Flash Vision Exp 综合 76.8 推理 85.4 编程 68.2 智能体编程 65.1 数学 87.8 数据分析 79.5 语言 80.4 指令遵循 71.0 DeepSeek开放权重	65.1
6	Qwen 3.8 Max 综合 78.5 推理 88.2 编程 72.9 智能体编程 64.6 数学 91.3 数据分析 78.4 语言 79.7 指令遵循 74.1 Alibaba开放权重	64.6
7	Muse Spark 1.3 xHigh Effort 综合 81.6 推理 89.7 编程 81.1 智能体编程 64.1 数学 95.9 数据分析 79.6 语言 82.8 指令遵循 78.0 Meta	64.1
8	Claude Fable 5 Max Effort 综合 83.0 推理 89.7 编程 86.0 智能体编程 62.2 数学 96.0 数据分析 80.5 语言 90.7 指令遵循 75.8 Anthropic	62.2
8	Kimi K3 综合 79.2 推理 90.7 编程 81.4 智能体编程 62.2 数学 84.4 数据分析 78.7 语言 85.5 指令遵循 71.4 Moonshot AI开放权重	62.2
10	Qwen 3.8 Flash Next 综合 76.2 推理 87.4 编程 72.6 智能体编程 61.6 数学 85.8 数据分析 74.2 语言 74.6 指令遵循 77.1 Alibaba开放权重	61.6
11	Qwen3.8 27B 综合 75.3 推理 80.0 编程 75.7 智能体编程 61.4 数学 86.2 数据分析 76.6 语言 74.3 指令遵循 72.7 Alibaba开放权重	61.4
12	GLM-5.3 综合 76.1 推理 85.8 编程 79.0 智能体编程 60.9 数学 87.9 数据分析 70.2 语言 79.9 指令遵循 69.3 Z.AI开放权重	60.9
13	Claude Sonnet 5 xHigh Effort 综合 76.0 推理 88.7 编程 80.7 智能体编程 59.4 数学 92.9 数据分析 71.7 语言 75.0 指令遵循 63.9 Anthropic	59.4
14	Muse Spark 1.1 xHigh Effort 综合 75.3 推理 87.7 编程 77.2 智能体编程 58.5 数学 87.1 数据分析 72.5 语言 74.3 指令遵循 69.6 Meta	58.5
15	Gemini 3.7 Flash High 综合 78.8 推理 87.8 编程 78.9 智能体编程 58.3 数学 93.5 数据分析 68.0 语言 85.5 指令遵循 79.9 Google	58.3
16	Muse Spark 1.2 xHigh Effort 综合 78.0 推理 90.0 编程 77.5 智能体编程 57.6 数学 91.2 数据分析 76.5 语言 78.6 指令遵循 74.3 Meta	57.6
17	GPT-6 Astra Max Effort 综合 82.2 推理 92.7 编程 80.4 智能体编程 57.3 数学 96.8 数据分析 83.0 语言 89.4 指令遵循 75.6 OpenAI	57.3
18	Mistral Large 4 High 综合 71.8 推理 83.9 编程 77.2 智能体编程 57.2 数学 93.6 数据分析 76.5 语言 49.6 指令遵循 64.8 Mistral AI	57.2
19	Grok 4.6 xHigh 综合 78.0 推理 90.5 编程 76.8 智能体编程 57.0 数学 92.6 数据分析 73.9 语言 83.7 指令遵循 71.9 xAI	57.0
20	GLM-5.3 Flash 综合 71.6 推理 77.6 编程 79.0 智能体编程 56.8 数学 81.2 数据分析 76.4 语言 77.3 指令遵循 52.8 Z.AI开放权重	56.8
21	Grok 4.5 综合 75.8 推理 87.2 编程 68.6 智能体编程 56.5 数学 90.8 数据分析 73.0 语言 82.8 指令遵循 71.5 xAI	56.5
22	GPT-5.6 Sol Max Effort 综合 81.0 推理 91.7 编程 83.9 智能体编程 56.2 数学 96.2 数据分析 79.8 语言 87.7 指令遵循 71.8 OpenAI	56.2
23	GPT-5.6 Terra Max Effort 综合 77.9 推理 90.6 编程 78.2 智能体编程 54.9 数学 94.9 数据分析 79.3 语言 82.9 指令遵循 64.6 OpenAI	54.9
23	DeepSeek V4 Pro 0813 综合 77.4 推理 85.8 编程 77.2 智能体编程 54.9 数学 95.1 数据分析 79.2 语言 82.1 指令遵循 67.7 DeepSeek开放权重	54.9
25	GPT-6.1 Sol Max Effort 综合 81.6 推理 92.6 编程 80.4 智能体编程 54.5 数学 96.8 数据分析 82.7 语言 90.1 指令遵循 74.2 OpenAI	54.5
26	Gemini 3.8 Flash High 综合 75.8 推理 89.3 编程 72.5 智能体编程 54.2 数学 91.6 数据分析 54.0 语言 87.8 指令遵循 81.4 Google	54.2
27	GPT-5.5 Thinking xHigh Effort 综合 80.2 推理 89.7 编程 82.1 智能体编程 54.0 数学 95.9 数据分析 81.6 语言 87.4 指令遵循 70.7 OpenAI	54.0
27	Grok 4.7 xHigh 综合 77.4 推理 82.7 编程 77.2 智能体编程 54.0 数学 95.7 数据分析 76.9 语言 80.1 指令遵循 75.3 xAI	54.0
29	GPT-5.4 Thinking xHigh Effort 综合 78.0 推理 88.1 编程 77.5 智能体编程 53.8 数学 94.1 数据分析 79.3 语言 82.6 指令遵循 70.2 OpenAI	53.8
30	GPT-6 Sol Max Effort 综合 79.3 推理 88.7 编程 81.8 智能体编程 52.9 数学 96.4 数据分析 81.2 语言 85.3 指令遵循 68.6 OpenAI	52.9
31	ox-alpha-max 综合 69.2 推理 76.6 编程 75.8 智能体编程 52.6 数学 77.5 数据分析 75.8 语言 66.1 指令遵循 60.3 Stealth	52.6
32	GLM-5.2 综合 73.2 推理 78.6 编程 79.7 智能体编程 51.8 数学 89.8 数据分析 73.7 语言 76.2 指令遵循 62.3 Z.AI开放权重	51.8
33	Claude Haiku 5.5 xHigh Effort 综合 72.1 推理 81.2 编程 76.4 智能体编程 51.4 数学 92.8 数据分析 72.8 语言 63.5 指令遵循 66.5 Anthropic	51.4
34	GPT-6 Luna Max Effort 综合 72.0 推理 81.8 编程 79.0 智能体编程 51.2 数学 89.1 数据分析 73.4 语言 73.8 指令遵循 55.9 OpenAI	51.2
35	Claude 4.7 Opus Thinking xHigh Effort 综合 76.5 推理 87.2 编程 82.1 智能体编程 50.7 数学 92.9 数据分析 78.3 语言 77.9 指令遵循 66.7 Anthropic	50.7
36	Claude 4.8 Opus Thinking Max Effort 综合 76.2 推理 89.2 编程 81.8 智能体编程 50.5 数学 94.3 数据分析 66.0 语言 79.7 指令遵循 72.0 Anthropic	50.5
37	GPT-5.2 High 综合 74.6 推理 83.2 编程 76.1 智能体编程 50.3 数学 93.2 数据分析 78.2 语言 79.8 指令遵循 61.8 OpenAI	50.3
38	GPT-5.2 Codex 综合 74.0 推理 77.7 编程 83.6 智能体编程 49.4 数学 88.8 数据分析 78.2 语言 73.7 指令遵循 66.4 OpenAI	49.4
38	Inkling xHigh Effort 综合 71.9 推理 78.3 编程 71.0 智能体编程 49.4 数学 88.4 数据分析 72.8 语言 73.5 指令遵循 70.1 Thinking Machines开放权重	49.4
40	Gemini 3.5 Flash High 综合 74.6 推理 82.0 编程 78.2 智能体编程 49.0 数学 88.2 数据分析 64.9 语言 84.6 指令遵循 75.6 Google	49.0
40	Claude 4.6 Opus Thinking High Effort 综合 74.5 推理 88.7 编程 78.2 智能体编程 49.0 数学 89.3 数据分析 69.9 语言 83.3 指令遵循 63.3 Anthropic	49.0
42	GPT-5.6 Luna Max Effort 综合 73.6 推理 85.6 编程 82.9 智能体编程 48.4 数学 87.2 数据分析 78.0 语言 72.6 指令遵循 60.1 OpenAI	48.4
43	Kimi K2.6 Thinking 综合 70.5 推理 79.4 编程 78.6 智能体编程 46.9 数学 84.3 数据分析 65.1 语言 75.1 指令遵循 64.4 Moonshot AI开放权重	46.9
44	DeepSeek V4 Flash 0731 综合 74.2 推理 86.6 编程 75.0 智能体编程 46.8 数学 86.8 数据分析 79.3 语言 79.2 指令遵循 65.5 DeepSeek开放权重	46.8
44	GPT-5.4 Nano xHigh 综合 69.6 推理 81.1 编程 70.8 智能体编程 46.8 数学 91.0 数据分析 67.6 语言 62.5 指令遵循 67.2 OpenAI	46.8
46	Grok Build 0.1 综合 67.8 推理 76.4 编程 65.4 智能体编程 45.8 数学 78.4 数据分析 70.8 语言 72.5 指令遵循 65.2 xAI	45.8
47	Kimi K2.7 Code 综合 68.4 推理 82.8 编程 74.0 智能体编程 45.7 数学 79.6 数据分析 62.7 语言 77.9 指令遵循 56.3 Moonshot AI开放权重	45.7
48	Gemini 3.5 Flash-Lite High 综合 63.9 推理 60.2 编程 76.1 智能体编程 45.3 数学 73.7 数据分析 53.2 语言 71.8 指令遵循 67.2 Google	45.3
49	Gemini 3.1 Pro Preview High 综合 77.0 推理 84.0 编程 76.5 智能体编程 44.1 数学 91.0 数据分析 78.5 语言 85.4 指令遵循 79.1 Google	44.1
50	Qwen 3.7 Max 综合 73.1 推理 83.3 编程 74.2 智能体编程 43.6 数学 85.2 数据分析 71.8 语言 79.7 指令遵循 74.0 Alibaba	43.6
51	Gemini 3.6 Flash High 综合 73.6 推理 85.1 编程 77.9 智能体编程 43.4 数学 86.4 数据分析 63.0 语言 83.9 指令遵循 75.4 Google	43.4
52	Claude 4.6 Sonnet Thinking Medium Effort 综合 73.0 推理 84.8 编程 79.3 智能体编程 42.6 数学 87.0 数据分析 77.9 语言 76.1 指令遵循 63.2 Anthropic	42.6
53	GPT-5.4 Mini xHigh 综合 66.4 推理 71.3 编程 71.6 智能体编程 41.7 数学 78.5 数据分析 70.8 语言 71.0 指令遵循 59.8 OpenAI	41.7
54	Qwen 3.6 Plus 综合 68.9 推理 75.8 编程 78.2 智能体编程 41.4 数学 83.7 数据分析 69.9 语言 75.0 指令遵循 58.3 Alibaba	41.4
55	Minimax M3 综合 67.3 推理 74.5 编程 68.2 智能体编程 40.7 数学 76.9 数据分析 76.2 语言 76.8 指令遵循 57.5 Minimax	40.7
56	Claude 4.5 Opus Thinking High Effort 综合 72.6 推理 80.1 编程 79.7 智能体编程 39.7 数学 90.4 数据分析 74.4 语言 81.3 指令遵循 62.5 Anthropic	39.7
57	Claude Sonnet 5.5 xHigh Effort 综合 77.8 推理 86.8 编程 88.9 智能体编程 39.3 数学 96.7 数据分析 78.6 语言 83.4 指令遵循 70.5 Anthropic	39.3
57	Qwen 3.6 27B 综合 64.0 推理 70.3 编程 71.8 智能体编程 39.3 数学 79.9 数据分析 70.4 语言 63.3 指令遵循 53.2 Alibaba开放权重	39.3
59	Nemotron 3 Ultra 550B A55B 综合 67.4 推理 74.7 编程 70.7 智能体编程 38.7 数学 88.7 数据分析 54.5 语言 70.8 指令遵循 73.4 NVIDIA开放权重	38.7
60	Grok 4.3 综合 62.3 推理 70.8 编程 69.9 智能体编程 18.5 数学 84.3 数据分析 55.8 语言 73.6 指令遵循 62.8 xAI	18.5