写代码和改代码。按评判方式拆分，因为跑测试的评分器和在两个答案里挑一个更好的人，衡量的不是同一件事，结论也不一致。
每一栏均按对应数据源发布的原始排名呈现，本页不做跨栏平均。若两栏结论不同，是因为它们衡量的维度不同。
对照测试或参考答案打分，回路里既没有人，也没有智能体循环——这些直接衡量模型的输出。
Coding Index 抓取于 2026-08-22
GPT-5.6 Sol 78.3 
Claude Opus 5 78.0 
Grok 4.6 76.8 GPT-5.6 Terra 76.7 Claude Fable 5 (Opus 4.8 fallback) 76.5 
Kimi K3 76.2 
Gemini 3.7 Flash 76.1 
GLM-5.3 74.8 Grok 4.5 72.4 
Muse Spark 1.2 72.2 SciCode 抓取于 2026-08-22
Claude Fable 5 (Opus 4.8 fallback) 60.2% Gemini 3.1 Pro Preview 58.9% Kimi K3 58.7% Gemini 3.7 Flash 57.9% GPT-5.6 Sol 56.9% GLM-5.3 56.5% Muse Spark 1.2 56.4% Claude Opus 5 55.7% Grok 4.6 54.6% Grok 4.5 54.1% 在两个做好的 Web 应用之间由人做偏好选择。Arena 的 Code Arena 从头到尾都是 Web 工作——它发布的每一个类目都是 Web 应用类目——所以这就是它实际所是的那个榜，而不是一个用更窄名字命名的通用编程榜。
Overall 数据截至 2026-08-21
Claude Opus 5 1691 Kimi K3 1674 Grok 4.6 1629 Claude Fable 5 (Opus 4.8 fallback) 1626 GPT-5.6 Sol 1619 GLM-5.3 1599 Gemini 3.7 Flash 1587 GLM-5.2 1582