编程

按要求写代码、改代码，不借助智能体循环，直接给模型的输出打分。和“智能体编程”不同，后者评的是“模型 + 框架”整体。

按它在多少项基准里进入前 10 排序，一样多时看最好名次。每列保持各自的排名，不做平均。

模型	进入前 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%	#15 1625
GPT 6.1 Sol openai	1/2	#23 55.8%	#4 1758
MiMo V2.6 Pro xiaomi	1/2	#6 60.9%	#20 1618
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	#29 54.1%	#9 1671
GLM 5.3 zai	1/2	#10 59.0%	#16 1623

“—”表示该榜没收录这个模型，不是零分。还没识别出具体模型的条目不在这里出现，它们仍显示在各自的原始榜单上。