编程

按规格写代码和改代码，在没有智能体循环的条件下衡量。与智能体编程不同：这些基准直接对模型的输出打分，而不是对“模型 + 执行框架”这个系统打分。

按有多少个基准把该模型排进各自的前 10 名来排序，并列时看它的最佳名次。每一列保持各自的顺序，此处不做任何平均。

模型	进入前 10	Artificial Analysis LLM Leaderboard SciCode	Artificial Analysis LLM Leaderboard Coding Index	Arena — Code Overall
Claude Fable 5 (Opus 4.8 fallback) anthropic	3/3	#1 60.2%	#5 76.5	#4 1626
GPT-5.6 Sol openai	3/3	#5 56.9%	#1 78.3	#5 1619
Claude Opus 5 anthropic	3/3	#8 55.7%	#2 78.0	#1 1691
Kimi K3 kimi	3/3	#3 58.7%	#6 76.2	#2 1674
Grok 4.6 xai	3/3	#9 54.6%	#3 76.8	#3 1629
Gemini 3.7 Flash google	3/3	#4 57.9%	#7 76.1	#7 1587
GLM-5.3 zai	3/3	#6 56.5%	#8 74.8	#6 1599
Muse Spark 1.2 meta	2/3	#7 56.4%	#10 72.2	#16 1534
Grok 4.5 xai	2/3	#10 54.1%	#9 72.4	#11 1556
Gemini 3.1 Pro Preview google	1/3	#2 58.9%	#18 68.8	#31 1446
GPT-5.6 Terra openai	1/3	#11 53.9%	#4 76.7	#18 1520
GLM-5.2 zai	1/3	#19 50.5%	#19 68.8	#8 1582
Claude Opus 4.8 anthropic	1/3	—	—	#9 1563
Claude Opus 4.7 anthropic	1/3	—	—	#10 1558

破折号表示该数据源未收录这个模型，而不是它得了零分。模型名录中没有条目的模型不在此处出现，因为它们无法跨数据源对齐——它们仍会显示在各自数据源的看板上，并带有标记。