vibecodingnav
中/EN
基准/lmarena-webdev

LMArena WebDev

2026-10-08 · 前端

测什么
前端 Web 开发:落地页、交互组件、小游戏和完整页面,也包括需要多步推理和工具调用的 Agent 编程流程。
怎么测
用户提交一个需求,两个匿名模型各自生成可交互的 Web 应用,在沙盒里跑起来;用户试用后投票选胜方或平局,只有身份揭晓前的投票计入。
分数含义
用 Bradley-Terry 模型从两两对战结果估计相对强度,读法类似国际象棋的 Elo:差 100 分约等于 64% 的胜率。± 是 95% 置信区间,名次下方的区间表示统计上可能的名次范围。
注意
衡量的是人类偏好(好不好看、能不能跑),不是测试通过率;需求多是单页 demo,对大型代码库和长程重构参考有限。同一模型不同推理档位(max / high)分开排名。标“初步”的模型票数少,名次可能变动。
更新
持续更新。本页榜单日期 2026-10-08,2026-10-10 同步;每周同步一次,变化写入首页「最新变化」。

完整榜单

142

全部
#名次区间模型分数CI票数价格 $/M上下文
11–1claude-opus-5.5-maxAnthropic · Proprietarymax1813+15/−152,294$4 / $201M
22–3gpt-6-astra-maxOpenAI · Proprietarymax1786+11/−115,189$10 / $501.1M
32–4claude-sonnet-5.5-xhighAnthropic · Proprietaryxhigh1774+15/−152,323$2 / $101M
43–5gpt-6.1-sol-maxOpenAI · Proprietarymax1755+15/−152,102$2 / $101.1M
54–5claude-fable-5.1-maxAnthropic · Proprietarymax1744+9/−96,663$10 / $501M
66–6claude-sonnet-5.5-highAnthropic · Proprietaryhigh1715+11/−113,984$2 / $101M
77–9claude-opus-5-maxAnthropic · Proprietarymax1691+6/−617,320$5 / $251M
87–11gpt-6-sol-maxOpenAI · Proprietarymax1688+12/−123,407$2 / $101.1M
97–13gemini-4-argon-highGoogle · Proprietaryhigh初步1678+15/−151,771$2 / $101M
108–11qwen3.8-max-0902Alibaba · Proprietary0902初步1674+8/−811,182$2 / $6N/A
118–14qwen3.8-maxAlibaba · Proprietary初步1672+12/−123,446$2 / $61M
1210–14claude-opus-5-highAnthropic · Proprietaryhigh1657+6/−622,340$5 / $251M
1310–15muse-spark-1.3-maxMeta · Proprietarymax1657+8/−87,886$1.25 / $4.251M
1411–15kimi-k3-maxMoonshot · Kimi K3 licensemax1654+6/−617,412$3 / $151M
1513–23grok-4.7-xhighSpaceXAI · Proprietaryxhigh1639+11/−113,936$2 / $6500K
1615–23mimo-v2.6-flashXiaomi · MIT1637+10/−104,058$0.14 / $0.281.1M
1715–25qwen3.8-flash-nextAlibaba · qwen-community-1.0初步1633+8/−86,932$0.16 / $0.471M
1815–25hy4-previewTencent · Apache 2.0初步1632+10/−104,792$0.83 / $2.501M
1915–25mimo-v2.6-proXiaomi · MIT1629+11/−113,649$0.43 / $0.871.1M
2015–25muse-spark-1.3 (xHigh)Meta · Proprietaryxhigh1626+8/−87,123$1.25 / $4.251M

用在这些场景