程式設計
寫程式碼、改程式碼。按評判方式分開看：自動跑測試打分，和由人在兩份答案裡二選一，結論常常不一樣。
- 第一 · AA
- 66.9%
- Claude Opus 5.5 · $8.00
- 斬殺者 · 價格
- $0.20
- GPT 6 Luna
- SOTA
- 15
- 得分高過斬殺者
- 被斬殺
- 41
- 更貴，得分卻不更高
排行 · AA 42–67% · A-CODE 1441–1831
- 166.9%1815
- 263.1%1749
- 361.8%1680
- 4上一代61.0%1625
- 561.0%1786
- 660.9%—
- 7上一代59.8%1592
- 859.7%1657
- 959.5%1658
- 1059.0%1623
- 1158.9%1570
- 12上一代58.8%1542
- 1358.7%1446
- 14上一代57.8%1620
- 1557.8%1638
- 16上一代57.6%1689
- 17上一代57.4%1532
- 1856.6%1583
- 1956.5%1788
- 20上一代56.5%1620
- 21上一代56.4%1695
- 22上一代56.1%1512
- 2355.8%1758
- 2455.0%1519
- 25上一代55.0%1552
- 26斬殺者54.6%1579
斬殺線：得分 × 價格
每個點代表一個模型：越往右越貴，越往上得分越高。兩條虛線的交點是斬殺者，全場性價比最高的模型。它右下方的模型更貴，得分卻不更高，全部被斬殺；橫線以上是 SOTA，最強的一檔；左下方更便宜也更弱，是低成本之選。 斬殺線是怎麼畫的 →歷任斬殺者 →
斬殺線前沿線：沒有哪個模型在價格和得分上同時勝過它們SOTA低成本被斬殺空心點或淺色叉：該榜的估算值
Claude Opus 5.5
各榜成績
- Artificial Analysis LLM Leaderboard57.6第 1 名，共 374 個
- Arena — Agent0.138第 2 名，共 51 個
- Artificial Analysis Coding Agents0.660第 2 名，共 22 個
- Arena — Code1815第 1 名，共 138 個
- Arena — Text1504第 4 名，共 413 個
名次以各榜自己的為準：榜單公佈了名次就用它的，沒有公佈就按該榜的分數排序。橫條表示該模型在這個榜上領先了多大比例的模型。不同榜的分數不能相互比較。
不同推理強度下的成績
Artificial Analysis LLM Leaderboardmax 最高
- low42.3
- medium51.2
- high53.6
- xhigh56.0
- max57.6
只測了一檔
- Arena — Agent · agenthigh0.138
- Artificial Analysis Coding Agents · Claude Codemax0.660
- Arena — Codemax1815
- Arena — Texthigh1504
同一個模型在不同推理強度下的成績。長條從 0 畫到該榜的最高分，請逐榜閱讀，不要跨榜比較。
這個場景參考哪些榜
每一欄都是一張榜單公佈的原始排名，不取平均。兩欄結論不一致，通常是因為測的本來就不是同一件事。
網頁開發
由人在兩個已完成的網頁應用程式之間選出更好的一個。Arena 的 Code Arena 全部是網頁開發任務，所以這裡按它實際測的內容，稱為網頁開發榜。