代码能力｜全球模型排行
按代码任务通过率排序，衡量模型在真实工程任务里能不能把代码改对。写脚本、接 SDK、做重构时最有参考价值。
0 条计分方式: 最近更新: 等待首次抓取
榜单数据还没有抓取到，稍后再看看。
数据怎么来的
分数是终端代码任务（Terminal-Bench Hard）的通过率，属于「能不能跑通」的硬指标，不评价代码风格。
分数、样本量、置信区间与价格都由数据源给出，本站不做二次加工，也不替模型估分。
数据来源： Artificial Analysis
常见问题
代码榜和综合榜有什么区别？
代码榜只看代码任务的通过率，综合榜汇总多类评测。一个模型可能代码很强但综合一般，两张榜要一起看。
榜单多久更新一次？
后端每天抓取一次，页面每次打开都会读取最新快照。如果当天抓取失败，会继续展示上一份数据，并保留原来的数据日期。
为什么同一个模型在不同榜单上名次差很多？
指标不同：综合榜看通用能力，代码榜看代码任务通过率，图片和视频榜看真人盲选偏好。指标不同，排序自然不同。
榜单数据由第三方公开来源提供，仅用于模型选型参考，不代表本平台对模型能力的评价。转载与引用请遵循来源方的署名要求。