程式設計
按要求寫程式碼、改程式碼，不藉助代理迴圈，直接給模型的輸出打分。它與「代理式程式設計」不同，後者評的是「模型 + 框架」的整體。
按它在多少項基準裡進入前 10 排序，一樣多時看最好名次。每列保持各自的排名，不做平均。
| 模型 | 進入前 10 | Artificial Analysis LLM Leaderboard SciCode | Arena — Code Overall |
|---|---|---|---|
 Claude Opus 5.5 Anthropic | 2/2 | #1 66.9% | #1 1815 |
| Claude Fable 5.1 Anthropic | 2/2 | #2 63.1% | #5 1749 |
 Gemini 4 Argon Google | 2/2 | #3 61.8% | #8 1680 |
| Claude Sonnet 5.5 Anthropic | 2/2 | #5 61.0% | #3 1786 |
 Kimi K3 Kimi | 2/2 | #9 59.5% | #10 1658 |
 GPT 6 Astra OpenAI | 1/2 | #19 56.5% | #2 1788 |
| Claude Fable 5 Anthropic | 1/2 | #4 61.0% | #16 1625 |
| GPT 6.1 Sol OpenAI | 1/2 | #23 55.8% | #4 1758 |
 MiMo V2.6 Pro Xiaomi | 1/2 | #6 60.9% | — |
| Claude Opus 5 Anthropic | 1/2 | #21 56.4% | #6 1695 |
| Gemini 3.7 Flash Google | 1/2 | #7 59.8% | #23 1592 |
| GPT 6 Sol OpenAI | 1/2 | #16 57.6% | #7 1689 |
 Muse Spark 1.3 Meta | 1/2 | #8 59.7% | #11 1657 |
 Qwen 3.8 Max Alibaba | 1/2 | #31 54.1% | #9 1671 |
 GLM 5.3 Z AI | 1/2 | #10 59.0% | #17 1623 |
「—」表示該榜沒有收錄這個模型，不是零分。尚未識別出具體模型的條目不在此處出現，但仍顯示在各自的原始榜單上。