Coding Plan

先看模型，再选购买方案

比较价格与额度 →
符合条件 166 个评分说明 AA、DeepSWE、LiveBench（综合）与 Arena（Agent Overall 净改善）使用不同量尺，各自排序，不合成总分。Arena 为可正可负的百分比。缺失不代表能力为零；点击分数查看口径、配置与数据日期，旁边链接提供来源。套餐支持情况与模型能力分开判断。

GPT-6-Astra

精选

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-6 Astra (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：xhigh。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±2.9。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：GPT-6 Astra (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：GPT-6 Astra (Max)。 数据日期：2026-10-23。 95% 置信区间：11.88% ～ 16.04%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
4 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-6.1-Sol

精选

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-6.1 Sol (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：GPT-6.1 Sol (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：GPT-6.1 Sol (Max)。 数据日期：2026-10-23。 95% 置信区间：12.01% ～ 15.27%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
3 个平台收录 · 查看套餐 →比较价格与额度 →

Claude Opus 5.5

精选

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Claude Opus 5.5 (Max, Default Fallback)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Claude Opus 5.5 (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Claude Opus 5.5 (Max)。 数据日期：2026-10-23。 95% 置信区间：18.39% ～ 23.15%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
4 个平台收录 · 查看套餐 →比较价格与额度 →

GLM-5.3

精选

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GLM-5.3 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：max。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±3.0。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：GLM-5.3 (Max)。 数据日期：2026-10-23。 95% 置信区间：0.38% ～ 2.05%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
19 个平台收录 · 查看套餐 →比较价格与额度 →

Kimi-K3.1-Pro

精选

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Kimi K3.1 Pro。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Kimi K3.1 Pro (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

9 个平台收录 · 查看套餐 →比较价格与额度 →

DeepSeek-V4.1-Flash-1017

精选

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：DeepSeek V4.1 Flash 1017 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：DeepSeek V4.1 Flash 1017 (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

15 个平台收录 · 查看套餐 →比较价格与额度 →

GLM-5.3-Flash

精选

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GLM-5.3-Flash。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：max。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±4.4。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：GLM-5.3 Flash (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：GLM-5.3-Flash。 数据日期：2026-10-23。 95% 置信区间：-2.44% ～ -1.10%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
19 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-6.1-Terra

精选

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-6.1 Terra (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：GPT-6.1 Terra (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

3 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-6-Luna

精选

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-6 Luna (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：GPT-6 Luna (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：GPT-6 Luna (Max)。 数据日期：2026-10-23。 95% 置信区间：2.37% ～ 3.22%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
5 个平台收录 · 查看套餐 →比较价格与额度 →

Kimi-K2.8-Preview

精选

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

6 个平台收录 · 查看套餐 →比较价格与额度 →

MiniMax-M3.1-Flash

精选

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：MiniMax-M3.1-Flash。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：MiniMax M3.1 Flash (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

7 个平台收录 · 查看套餐 →比较价格与额度 →

Claude Fable 5

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Claude Fable 5 (Max, Opus 4.8 Fallback)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：xhigh。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±3.2。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Claude Fable 5 (High)。 数据日期：2026-10-23。 95% 置信区间：6.35% ～ 9.16%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
3 个平台收录 · 查看套餐 →比较价格与额度 →

Claude Fable 5.1

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Claude Fable 5.1 (Max, Default Fallback)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Claude Fable 5.1 (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Claude Fable 5.1 (Max)。 数据日期：2026-10-23。 95% 置信区间：12.01% ～ 15.88%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
4 个平台收录 · 查看套餐 →比较价格与额度 →

Claude Haiku 4.5

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Claude 4.5 Haiku (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

3 个平台收录 · 查看套餐 →比较价格与额度 →

Claude Opus 4.5

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Claude Opus 4.5 (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Claude Opus 4.6

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Claude Opus 4.6 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

Claude Opus 4.7

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Claude Opus 4.7 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

Claude Opus 4.8

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Claude Opus 4.8 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：max。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±1.8。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

3 个平台收录 · 查看套餐 →比较价格与额度 →

Claude Opus 5

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Claude Opus 5 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：max。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±3.9。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Claude Opus 5 (Max)。 数据日期：2026-10-23。 95% 置信区间：6.59% ～ 9.85%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
3 个平台收录 · 查看套餐 →比较价格与额度 →

Claude Sonnet 4.5

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Claude 4.5 Sonnet (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Claude Sonnet 4.6

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Claude Sonnet 4.6 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：high。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±4.1。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

3 个平台收录 · 查看套餐 →比较价格与额度 →

Claude Sonnet 5

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Claude Sonnet 5 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：max。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±4.2。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Claude Sonnet 5 (High)。 数据日期：2026-10-23。 95% 置信区间：2.05% ～ 5.45%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
3 个平台收录 · 查看套餐 →比较价格与额度 →

DeepSeek-V3.2

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：DeepSeek V3.2 (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

DeepSeek-V4.1-Flash

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：DeepSeek V4.1 Flash (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

11 个平台收录 · 查看套餐 →比较价格与额度 →

DeepSeek-V4-Flash-0731

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：DeepSeek V4 Flash 0731 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：max。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±3.6。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

18 个平台收录 · 查看套餐 →比较价格与额度 →

DeepSeek-V4-Flash-Fast

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

DeepSeek-V4-Flash-Vision-Exp

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：DeepSeek V4 Flash Vision (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

DeepSeek-V4-Preview

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

DeepSeek-V4-Pro-0813

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：DeepSeek V4 Pro 0813 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：max。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±6.3。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：DeepSeek-V4-Pro (High, 20260813)。 数据日期：2026-10-23。 95% 置信区间：-1.99% ～ 1.46%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
20 个平台收录 · 查看套餐 →比较价格与额度 →

DeepSeek-V4-Pro-Preview

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：DeepSeek V4 Pro 0424 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

4 个平台收录 · 查看套餐 →比较价格与额度 →

Doubao-Seed-2.0-Lite

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Doubao-Seed-2.0-Mini

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

Doubao-Seed-2.0系列

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Doubao-Seed-2.1-Turbo

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

Doubao-Seed-2.1-Pro

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

Doubao-Seed-Code

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Doubao Seed Code。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Doubao-Seed-Evolving

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

3 个平台收录 · 查看套餐 →比较价格与额度 →

Doubao-Seedance-2.0

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Doubao-Seedream-5.0-lite

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

ERNIE-5.1

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Fugu-Ultra

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Gemini 3.1 Pro

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Gemini 3.1 Pro Preview。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：high。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±1.5。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Gemini 3.1 Pro Preview。 数据日期：2026-10-23。 95% 置信区间：-5.76% ～ -3.13%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
2 个平台收录 · 查看套餐 →比较价格与额度 →

Gemini-3-Flash-Preview

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Gemini 3 Flash Preview (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Gemini-3.1-Flash-Lite

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Gemini 3.1 Flash-Lite。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Gemini-3.5-Flash

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Gemini 3.5 Flash (Medium)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：high。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±4.0。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Gemini-3.5-Flash-Lite

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Gemini 3.5 Flash-Lite。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Gemini-3.6-Flash

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Gemini 3.6 Flash (High)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：high。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±3.7。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Gemini-3.7-Flash

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Gemini 3.7 Flash (Medium)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：medium。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±3.1。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Gemini 3.7 Flash (High)。 数据日期：2026-10-23。 95% 置信区间：-2.23% ～ -0.31%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
1 个平台收录 · 查看套餐 →比较价格与额度 →

Gemini-3.8-Flash

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Gemini 3.8 Flash (High)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：high。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±1.4。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Gemini 3.8 Flash (high)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Gemini 3.8 Flash (High)。 数据日期：2026-10-23。 95% 置信区间：2.10% ～ 4.25%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
3 个平台收录 · 查看套餐 →比较价格与额度 →

GLM-4.7

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GLM-4.7 (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

GLM-5

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GLM-5 (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

6 个平台收录 · 查看套餐 →比较价格与额度 →

GLM-5-Turbo

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GLM-5-Turbo。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

GLM-5.1

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GLM-5.1 (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

12 个平台收录 · 查看套餐 →比较价格与额度 →

GLM-5.2

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GLM-5.2 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：max。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±1.7。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：GLM-5.2 (Max)。 数据日期：2026-10-23。 95% 置信区间：0.88% ～ 2.51%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
18 个平台收录 · 查看套餐 →比较价格与额度 →

GLM-5.2-Fast

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

GLM-5v-Turbo

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GLM 5V Turbo (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-4.1

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-4.1。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-4o

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-4o (Nov '24)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-6-Sol

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-6 Sol (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：GPT-6 Sol (Max)。 数据日期：2026-10-23。 95% 置信区间：6.85% ～ 10.28%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
4 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-5-mini

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-5 mini (Medium)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-5.2

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-5.2 (Xhigh)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-5.2-Codex

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-5.2 Codex (Xhigh)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-5.3-Codex

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-5.3 Codex (Xhigh)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-5.4

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-5.4 (Xhigh)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：xhigh。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±1.5。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-5.4-mini

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-5.4 mini (Xhigh)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-5.5

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-5.5 (Xhigh)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：xhigh。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±6.5。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-5.6

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-5.6-Luna

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-5.6 Luna (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：max。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±4.0。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

6 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-5.6-Sol

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-5.6 Sol (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：max。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±2.8。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：GPT-5.6 Sol (xHigh)。 数据日期：2026-10-23。 95% 置信区间：4.72% ～ 7.39%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
5 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-5.6-Terra

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-5.6 Terra (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：max。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±2.6。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：GPT-5.6 Terra (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：GPT-5.6 Terra (xHigh)。 数据日期：2026-10-23。 95% 置信区间：-1.10% ～ 1.53%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
5 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-Image-2.0

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Grok Code Fast 1

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Grok Code Fast 1。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Grok-4.5

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Grok 4.5 (High)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：high。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±2.3。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

3 个平台收录 · 查看套餐 →比较价格与额度 →

Grok-4.6

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Grok 4.6 (High)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：medium。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±2.3。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Grok 4.6 (xhigh)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Grok 4.6 (xHigh)。 数据日期：2026-10-23。 95% 置信区间：-0.49% ～ 1.75%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
3 个平台收录 · 查看套餐 →比较价格与额度 →

HY-2.0

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Hy3

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Hy3。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Hy3。 数据日期：2026-10-23。 95% 置信区间：-8.24% ～ -5.35%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
5 个平台收录 · 查看套餐 →比较价格与额度 →

Hy4-preview

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Hy4 preview。 数据日期：2026-10-23。 95% 置信区间：1.38% ～ 2.65%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
5 个平台收录 · 查看套餐 →比较价格与额度 →

Inkling

文本 / 图片 / 音频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Inkling (Xhigh)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Inkling (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Inkling。 数据日期：2026-10-23。 95% 置信区间：-16.34% ～ -13.46%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
1 个平台收录 · 查看套餐 →比较价格与额度 →

Inkling-Small

文本 / 图片 / 音频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Inkling Small。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Inkling-Small。 数据日期：2026-10-23。 95% 置信区间：-17.93% ～ -14.34%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
1 个平台收录 · 查看套餐 →比较价格与额度 →

Kimi-K2

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Kimi K2。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Kimi-K2.5

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Kimi K2.5 (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

6 个平台收录 · 查看套餐 →比较价格与额度 →

Kimi-K2.6

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Kimi K2.6 (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

11 个平台收录 · 查看套餐 →比较价格与额度 →

Kimi-K2.6-Code

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Kimi-K2.7-Code

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Kimi K2.7 Code。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±0.5。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

11 个平台收录 · 查看套餐 →比较价格与额度 →

Kimi-K2.7-Code-HighSpeed

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

Kimi-K3

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Kimi K3 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：max。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±4.5。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Kimi K3 (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Kimi K3 (Max)。 数据日期：2026-10-23。 95% 置信区间：0.82% ～ 2.32%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
15 个平台收录 · 查看套餐 →比较价格与额度 →

Laguna-S-2.1

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Ling-3.0-Flash

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Ling 3.0 Flash。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Ling-3.0-Flash-Sante

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

LongCat-2.0

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：LongCat 2.0。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

MiMo-V2-Omni

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：MiMo-V2-Omni。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

MiMo-V2-Pro

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：MiMo-V2-Pro。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

MiMo-V2.6-Flash

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：MiMo-V2.6-Flash。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：MiMo-V2.6-Flash。 数据日期：2026-10-23。 95% 置信区间：0.78% ～ 3.43%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
5 个平台收录 · 查看套餐 →比较价格与额度 →

MiMo-V2.6-Pro

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：MiMo-V2.6-Pro。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：MiMo V2.6 Pro (high)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：MiMo-V2.6-Pro。 数据日期：2026-10-23。 95% 置信区间：2.50% ～ 4.11%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
4 个平台收录 · 查看套餐 →比较价格与额度 →

MiMo-V2.5

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：MiMo-V2.5。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

MiMo-V2.5-Pro

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：MiMo-V2.5-Pro (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：MiMo-V2.5-Pro。 数据日期：2026-10-23。 95% 置信区间：-9.66% ～ -7.65%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
1 个平台收录 · 查看套餐 →比较价格与额度 →

MiMo-V2.5-TTS

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

MiniMax-M2.5

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：MiniMax-M2.5。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

8 个平台收录 · 查看套餐 →比较价格与额度 →

MiniMax-M2.7

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：MiniMax-M2.7。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

8 个平台收录 · 查看套餐 →比较价格与额度 →

MiniMax-M3

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：MiniMax-M3。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：MiniMax-M3。 数据日期：2026-10-23。 95% 置信区间：-11.28% ～ -8.86%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
13 个平台收录 · 查看套餐 →比较价格与额度 →

Muse-Spark-1.1

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Muse Spark 1.1 (Xhigh)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：xhigh。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±3.0。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Muse Spark 1.1。 数据日期：2026-10-23。 95% 置信区间：-7.51% ～ -6.22%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
1 个平台收录 · 查看套餐 →比较价格与额度 →

Muse-Spark-1.2

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Muse Spark 1.2 (Xhigh)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：xhigh。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±2.1。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Muse Spark 1.2 (xHigh)。 数据日期：2026-10-23。 95% 置信区间：-7.85% ～ -6.19%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
2 个平台收录 · 查看套餐 →比较价格与额度 →

Muse-Spark-1.3

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Muse Spark 1.3 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Muse Spark 1.3 (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Muse Spark 1.3 (Max)。 数据日期：2026-10-23。 95% 置信区间：2.22% ～ 3.88%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
3 个平台收录 · 查看套餐 →比较价格与额度 →

Nemotron-3-Ultra

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Nemotron 3 Ultra 550B A55B (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Nemotron 3 Ultra。 数据日期：2026-10-23。 95% 置信区间：-18.65% ～ -10.76%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
2 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3-235B-A22B

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Qwen3 235B A22B (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3-Coder

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3-Coder-Next

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Qwen3 Coder Next。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3-Coder-Plus

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3-Max-2026-01-23

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3.5

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3.5-Plus

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3.6-Flash

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3.6-Max-Preview

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Qwen3.6 Max Preview。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3.6-Plus

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Qwen3.6 Plus。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3.7-Flash

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3.7-Max

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Qwen3.7 Max。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Qwen3.7-Max。 数据日期：2026-10-23。 95% 置信区间：-7.59% ～ -5.27%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
5 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3.7-Plus

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Qwen3.7 Plus。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Qwen3.7-Plus。 数据日期：2026-10-23。 95% 置信区间：-9.21% ～ -5.67%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
7 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3.8-27B

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Qwen3.8 27B (Xhigh)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Qwen3.8 27B (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Qwen3.8-27B。 数据日期：2026-10-23。 95% 置信区间：-4.89% ～ -3.31%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
2 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3.8-Flash-Next

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Qwen3.8-Flash-Next。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Qwen3.8-Flash-Next。 数据日期：2026-10-23。 95% 置信区间：-3.97% ～ -2.58%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
7 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3.8-Max

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Qwen3.8 Max。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 评测配置：xhigh。 版本：v1.1。 数据日期：2026-09-22。 95% 置信区间：±2.7。

 ↗
LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Qwen3.8 Max (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Qwen3.8-Max。 数据日期：2026-10-23。 95% 置信区间：0.52% ～ 1.74%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
7 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3.8-Max-0902

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Qwen3.8 Max (0902)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen3.6-35B-A3B

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Qwen3.6 35B A3B (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

SenseNova 6.7 Flash-Lite

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

SenseNova U1 Fast

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

step-3.5-flash

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

step-3.5-flash-2603

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Step 3.5 Flash 2603。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

step-3.7-flash

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Step 3.7 Flash。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

step-router-v1

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

HY-T1

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Claude Sonnet 5.5

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Claude Sonnet 5.5 (Max, Default Fallback)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Claude Sonnet 5.5 (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Claude Sonnet 5.5 (Max)。 数据日期：2026-10-23。 95% 置信区间：10.95% ～ 17.02%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
4 个平台收录 · 查看套餐 →比较价格与额度 →

Claude Haiku 5.5

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Claude Haiku 5.5 (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Claude Haiku 5.5 (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Claude Haiku 5.5 (High)。 数据日期：2026-10-23。 95% 置信区间：0.11% ～ 2.17%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
5 个平台收录 · 查看套餐 →比较价格与额度 →

Step-5-Preview

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Step 5 Preview。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Step 5 (Preview) (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Step 5 Preview。 数据日期：2026-10-23。 95% 置信区间：-3.47% ～ -0.60%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
4 个平台收录 · 查看套餐 →比较价格与额度 →

LongCat-2.5-Preview

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Grok-4.7

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Grok 4.7 (Xhigh)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Grok 4.7 (xhigh)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Grok 4.7 (xHigh)。 数据日期：2026-10-23。 95% 置信区间：1.45% ～ 4.60%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
4 个平台收录 · 查看套餐 →比较价格与额度 →

Mistral-Large-4

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Mistral Large 4 Preview。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Mistral Large 4 (high)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Mistral Large 4。 数据日期：2026-10-23。 95% 置信区间：-7.04% ～ -3.09%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
2 个平台收录 · 查看套餐 →比较价格与额度 →

Space Bunny

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Gemma-4-31B

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Gemma 4 31B (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Gemma 4 31B (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-OSS-120B

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：gpt-oss-120b (High)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-OSS-20B

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：gpt-oss-20b (Low)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Mistral-Large-3

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Mistral Large 3。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Nemotron-3-Nano

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：NVIDIA Nemotron 3 Nano 30B A3B (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Nemotron-3-Super

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Nemotron 3 Super 120B A12B (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Gemini 4 Argon

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Gemini 4 Argon (High)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Gemini 4 Argon (high)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Gemini 4 Argon (High)。 数据日期：2026-10-23。 95% 置信区间：10.84% ～ 12.66%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
4 个平台收录 · 查看套餐 →比较价格与额度 →

Doubao-Seed-2.1-Pro-0915

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

GLM-5.3-FlashX

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

Doubao-Seed-2.1-Lite

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

Ling 3.1 Flash

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Ling 3.1 Flash。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Glyph Cluster

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen 3.8 Omni Flash

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

GPT-5.4-nano

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GPT-5.4 nano (Xhigh)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

MAI-Code-1.1-Flash

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

SenseNova 6.8 Flash Lite

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

MiniMax-M3.1-Flash-Preview

文本 / 图片 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Spark-X2.5

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Spark-X2-Flash

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen3.5-397B-A17B

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Qwen3.5 397B A17B (Non-reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen3.5-35B-A3B

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Qwen3.5 35B A3B (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

GLM-4.7-Flash

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：GLM-4.7-Flash (Reasoning)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Composer 2.5

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Beam 1.0

文本输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Beam 1.0。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Beam 1.0 501B A23B。 数据日期：2026-10-23。 95% 置信区间：-5.51% ～ -0.58%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
2 个平台收录 · 查看套餐 →比较价格与额度 →

Cat Jam

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

0 个平台收录 · 查看套餐 →比较价格与额度 →

Muse Spark Open

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Muse Spark Open (Xhigh)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Muse Spark Open (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

2 个平台收录 · 查看套餐 →比较价格与额度 →

Nemotron 3.5 Super VL

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Nemotron 3.5 Super VL。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 评测配置：Nemotron 3.5 Super VL (max)。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。

 ↗
Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Qwen-3.8-Max-Prime

输入模态待确认

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →

Muse Wonder

文本 / 图片 / 音频 / 视频输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 评测配置：Muse Wonder (Max)。 版本：v4.3.2。 采集日期：2026-10-27。

 ↗
DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 评测配置：Muse Wonder (Max)。 数据日期：2026-10-23。 95% 置信区间：1.73% ～ 4.88%。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。

Arena 官方公开数据集 · CC-BY-4.0

 ↗
2 个平台收录 · 查看套餐 →比较价格与额度 →

Ornith 1.5 122B

文本 / 图片输入

AA

Artificial Analysis Intelligence Index；智能指数，非百分制。 版本：v4.3.2。 采集日期：2026-10-27。 暂无可采用的对应型号分数；缺失不代表能力为零。

DeepSWE

DeepSWE 软件工程任务 pass@1 × 100；置信区间为 95%。 版本：v1.1。 数据日期：2026-09-22。 暂无可采用的对应型号分数；缺失不代表能力为零。

LiveBench

LiveBench 2.0 Overall；按官方权重汇总各评测套件，缺失项不计入，零分计入。 版本：2.0。 题集日期：2026-10-25。 数据日期：2026-10-25。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena

Arena Agent Overall · Net Improvement；相对基线的净改善百分比，可为负，随榜单和比较基线变化。 数据日期：2026-10-23。 数据：Arena / LMArena leaderboard-dataset，CC-BY-4.0；公开数据集与网页榜单可能存在更新延迟。 暂无可采用的对应型号分数；缺失不代表能力为零。

Arena 官方公开数据集 · CC-BY-4.0

1 个平台收录 · 查看套餐 →比较价格与额度 →