编程
写代码、改代码。按评判方式分开看：自动跑测试打分，和由人在两份答案里二选一，结论常常不一样。
- 第一 · AA
- 66.9%
- Claude Opus 5.5 · $8.00
- 斩杀者 · 价格
- $0.20
- GPT 6 Luna
- SOTA
- 15
- 得分高过斩杀者
- 被斩杀
- 39
- 更贵，却不更强
排行 · AA 42–67% · A-CODE 1441–1831
- 166.9%1815
- 263.1%1749
- 3新上榜61.8%1680
- 4上一代61.0%1625
- 561.0%1786
- 660.9%1618
- 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斩杀者54.6%1579
斩杀线：得分 × 价格
每个点是一个模型：越往右越贵，越往上越强。两条虚线交汇处是斩杀者，全场性价比最高的那一个。它右下方的模型更贵却不更强，统统被斩杀；横线以上是 SOTA，最强的一档；左下方更便宜也更弱，是省钱之选。 斩杀线是怎么画的 →
斩杀线前沿线：价格和得分都没被别的模型同时超过SOTA低成本被斩杀空心点或浅色叉：该榜的估算值
Claude Opus 5.5
各榜成绩
- Artificial Analysis LLM Leaderboard57.6第 1 名，共 372 个
- Arena — Agent0.138第 2 名，共 49 个
- Artificial Analysis Coding Agents0.660第 2 名，共 22 个
- Arena — Code1815第 1 名，共 109 个
- Arena — Text1504第 4 名，共 306 个
名次是各榜自己的：榜单公布了名次就用它的，没公布就按该榜分数排。进度条表示在这个榜里排在多少模型前面。不同榜的分数不能相互比较。
不同推理强度下的成绩
Artificial Analysis LLM Leaderboardmax 最高
- low42.3
- medium51.2
- high53.6
- xhigh56.0
- max57.6
只测了一档的榜
- Arena — Agent · agenthigh0.138
- Artificial Analysis Coding Agents · Claude Codemax0.660
- Arena — Codemax1815
- Arena — Texthigh1504
同一个模型在不同推理强度下的成绩。条形从 0 画到该榜的最高分，每个榜单独看，不要跨榜比较。
这个场景参考哪些榜
每一栏都是一张榜单的原始排名，原样照搬，不取平均。两栏结论打架，往往是因为它们测的根本不是一件事。