跳到正文
评测来源

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 AX AI 日报 中参与排名
证据预算2.4%
上游数据时间11/15 08:00
最近成功同步11/17 02:05

它测什么,怎么测

只取官方发布快照中的 WebDev 总榜,不抓取 arena.ai 实时页面;与 Text 共同构成一张 Arena 家族票。

如何使用这份证据

编程与设计预算中的 2.4%;在审美分类衡量网页作品偏好,不等同代码正确率。仍与 Arena 其他任务共用证据家族。

评测成绩

按固定规则,每个公开模型采用一套代表配置。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)Anthropic1,826xHigh 推理
2Claude Opus 5.5 (Max)Anthropic1,815.6Max 推理
3Claude Sonnet 5.5 (xHigh)Anthropic1,772.2xHigh 推理
4Gemini 4 Carbon (High)google1,768.3High 推理
5GPT-6 Astra (Max)OpenAI1,762.9Max 推理
6Qwen4-Max (xHigh)alibaba1,749.8xHigh 推理
7Claude Fable 5.1 (Max)Anthropic1,742.9Max 推理
8GPT-6.1 Sol (Max)OpenAI1,742.3Max 推理
9Muse Wonder Full (Max)Meta1,723.9Max 推理
11Gemini 4 Hydrogen (High)google1,703.9High 推理
12Claude Opus 5 (Max)Anthropic1,691.1Max 推理
13Kimi K3.1 Pro (Max)Kimi1,686.2Max 推理
14GPT-6.1 Terra (Max)OpenAI1,680.7Max 推理
15Gemini 4 Argon (High)Google1,679.1High 推理
17GPT-6 Sol (Max)OpenAI1,672.8Max 推理
18Qwen3.8-MaxAlibaba1,670.5来源默认配置
19DeepSeek-V4.1-Flash-20261017 (Max)deepseek1,661.4Max 推理
20Kimi K3 (Max)Moonshot AI1,657.7Max 推理
22Muse Spark 1.3 (Max)Meta1,655.1Max 推理
23Muse Wonder (Max)Meta1,647.3Max 推理
24Inkling 2 Smallthinky1,644.7来源默认配置
25Grok 4.7 (xHigh)xAI1,640.1xHigh 推理
26MiMo-V2.6-FlashXiaomi1,638.5来源默认配置
27Hy4 previewTencent1,631.6来源默认配置
28Claude Fable 5 (High)Anthropic1,625.7High 推理
29Qwen3.8-Flash-NextAlibaba1,624.5来源默认配置
30MiMo-V2.6-ProXiaomi1,623.8来源默认配置
31GLM-5.3 (Max)Z.ai1,622.3Max 推理
33DeepSeek-V4.1-Flash-20260910 (Max)deepseek1,620.8Max 推理
34Grok 4.6 (High)xAI1,618.1High 推理
评测局限与数据署名

与 Text 存在偏好构念相关性。

数据许可:CC BY 4.0

成绩由 LMArena 发布,原始分数与 AX AI 日报 共识分使用不同尺度,不能直接相加。