大模型代码编程能力评测排行榜

本页面提供大模型代码编程能力评测排行榜，涵盖 SWE-Bench Verified、SWE-Bench Pro、LiveCodeBench、SWE-bench Multilingual 等数据集，对 GPT、Claude、Qwen、DeepSeek 等模型进行对比。

数据更新于 2026-04-06 11:52:58

截至 2026年4月，本页覆盖 SWE-bench Verified, LiveCodeBench, SWE-Bench Pro - Public, SWE-bench Multilingual 等评测基准，聚焦 大模型代码编程能力评测排行榜 方向的模型对比。

点击模型名称可进入详情页查看上下文长度、许可方式与 API 价格。数据口径说明见数据方法论。

代码能力参考综合排名

目前没有一个被普遍认可的代码能力综合排行榜。SWE-bench、HumanEval 等静态基准可以衡量特定技能，但容易被针对性优化（"刷榜"）。为此我们选取了两个切入角度不同的人类偏好参考榜单并列展示：LMArena Coding Arena 通过匿名盲测评测通用编程能力（调试、算法实现、代码生成等）；DesignArena Code Category 专注评测具有视觉呈现效果的前端代码生成（网站、UI 组件、游戏等），两者方法论相同但考察场景各异，结合参考效果最佳。

LMArena Coding Arena

完整排名

基于真实开发者提交的通用编程任务（调试、算法、代码生成）进行匿名 A/B 盲测投票，Elo 算法动态排名。

数据更新于 2026-04-24

#模型Elo

Opus 4.7 (thinking)Anthropic

1572

Opus 4.7Anthropic

1560

Claude Opus 4.6 (thinking)Anthropic

1554

Claude Opus 4.6Anthropic

1549

Muse SparkFacebook AI研究实验室

1533

gpt-5.4-highOpenAI

1532

Gemini 3.1 Pro PreviewGoogle Deep Mind

1531

Claude Opus 4 (thinking-32k)Anthropic

1531

grok-4.20-beta-0309-reasoningxAI

1520

智

GLM 5.1智谱AI

1520

来源：LMArena

基准评测

SWE-bench Verified LiveCodeBench SWE-Bench Pro - Public SWE-bench Multilingual

更多评测

参数规模:全部 3B及以下 7B 13B

大模型性能评测结果

数据来源：DataLearnerAI

排名	模型					开源情况
	MiniMax M2.5	80.20	—	55.40	—	免费商用
	GLM-5	77.80	—	—	—	免费商用
	Kimi K2.5	76.80	85.00	50.70	73.00	免费商用
4	Qwen3-Max-Thinking	75.30	85.90	—	—	不开源
5	o3-pro	75.00	—	—	—	不开源
6	M2.1	74.80	—	32.60	—	免费商用
7	Step 3.5 Flash	74.40	86.40	—	—	免费商用
8	GLM-4.7	73.80	84.90	40.60	—	免费商用
9	DeepSeek V3.2	73.10	83.30	40.90	—	免费商用
10	Claude Opus 4	72.50	56.60	—	—	不开源
11	Kimi K2 Thinking	71.30	83.10	—	—	免费商用
12	Claude Sonnet 3.7	70.30	—	—	—	不开源
13	MiniMax M2	69.40	83.00	—	—	免费商用
14	Kimi K2 0905	69.20	—	27.67	—	免费商用
15	DeepSeek-V3.1 Terminus	68.40	80.00	—	—	免费商用
16	OpenAI o4 - mini	68.10	—	—	—	不开源
17	GLM-4.6	68.00	84.50	—	—	免费商用
18	DeepSeek V3.2-Exp	67.80	74.10	—	—	免费商用
19	Qwen3-Coder-480B-A35B	67.00	—	—	—	免费商用
20	DeepSeek-V3.1	66.00	74.80	—	—	免费商用
21	GLM-4.5	64.20	72.90	—	—	免费商用
22	Gemini-2.5-Pro-Preview-05-06	63.20	77.10	—	—	不开源
23	DeepSeek-R1-0528	57.60	73.30	—	—	免费商用
24	GLM-4.5-Air	57.60	70.70	—	—	免费商用
25	MiniMax-M1-80k	56.00	65.00	—	—	免费商用
26	MiniMax-M1-40k	55.60	62.30	—	—	免费商用
27	GPT-4.1	54.60	40.50	—	—	不开源
28	Kimi K2	51.80	53.70	—	—	免费商用
29	Gemini 2.5 Flash	50.00	55.40	—	—	不开源
30	OpenAI o3-mini (high)	49.30	69.50	—	—	不开源

MiniMax M2.5

SWE-bench Verified80.20

LiveCodeBench—

SWE-Bench Pro - Public55.40

SWE-bench Multilingual—

免费商用

GLM-5

SWE-bench Verified77.80

LiveCodeBench—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Kimi K2.5

SWE-bench Verified76.80

LiveCodeBench85.00

SWE-Bench Pro - Public50.70

SWE-bench Multilingual73.00

免费商用

Qwen3-Max-Thinking

SWE-bench Verified75.30

LiveCodeBench85.90

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

o3-pro

SWE-bench Verified75.00

LiveCodeBench—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

M2.1

SWE-bench Verified74.80

LiveCodeBench—

SWE-Bench Pro - Public32.60

SWE-bench Multilingual—

免费商用

Step 3.5 Flash

SWE-bench Verified74.40

LiveCodeBench86.40

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

GLM-4.7

SWE-bench Verified73.80

LiveCodeBench84.90

SWE-Bench Pro - Public40.60

SWE-bench Multilingual—

免费商用

DeepSeek V3.2

SWE-bench Verified73.10

LiveCodeBench83.30

SWE-Bench Pro - Public40.90

SWE-bench Multilingual—

免费商用

Claude Opus 4

SWE-bench Verified72.50

LiveCodeBench56.60

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

Kimi K2 Thinking

SWE-bench Verified71.30

LiveCodeBench83.10

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Claude Sonnet 3.7

SWE-bench Verified70.30

LiveCodeBench—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

MiniMax M2

SWE-bench Verified69.40

LiveCodeBench83.00

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Kimi K2 0905

SWE-bench Verified69.20

LiveCodeBench—

SWE-Bench Pro - Public27.67

SWE-bench Multilingual—

免费商用

DeepSeek-V3.1 Terminus

SWE-bench Verified68.40

LiveCodeBench80.00

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

OpenAI o4 - mini

SWE-bench Verified68.10

LiveCodeBench—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

GLM-4.6

SWE-bench Verified68.00

LiveCodeBench84.50

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

DeepSeek V3.2-Exp

SWE-bench Verified67.80

LiveCodeBench74.10

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Qwen3-Coder-480B-A35B

SWE-bench Verified67.00

LiveCodeBench—

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

DeepSeek-V3.1

SWE-bench Verified66.00

LiveCodeBench74.80

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

GLM-4.5

SWE-bench Verified64.20

LiveCodeBench72.90

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Gemini-2.5-Pro-Preview-05-06

SWE-bench Verified63.20

LiveCodeBench77.10

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

DeepSeek-R1-0528

SWE-bench Verified57.60

LiveCodeBench73.30

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

GLM-4.5-Air

SWE-bench Verified57.60

LiveCodeBench70.70

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

MiniMax-M1-80k

SWE-bench Verified56.00

LiveCodeBench65.00

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

MiniMax-M1-40k

SWE-bench Verified55.60

LiveCodeBench62.30

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

GPT-4.1

SWE-bench Verified54.60

LiveCodeBench40.50

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

Kimi K2

SWE-bench Verified51.80

LiveCodeBench53.70

SWE-Bench Pro - Public—

SWE-bench Multilingual—

免费商用

Gemini 2.5 Flash

SWE-bench Verified50.00

LiveCodeBench55.40

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

OpenAI o3-mini (high)

SWE-bench Verified49.30

LiveCodeBench69.50

SWE-Bench Pro - Public—

SWE-bench Multilingual—

不开源

排序：

查看全部 62 个模型的 SWE-bench Verified 完整排名