最新变化
榜单、推荐和方法论的变更。分数本身在场景页，不在这里复述第二遍。
10-11榜单DeepSWE v1.1：28 行 Best 配置。GPT 6 Astra 74.1%，Gemini 3.8 Flash 73.8%，Claude Opus 5 73.6%。通用榜，挂入 Web 前端 / Android / CLI。deepswe.datacurve.ai
10-11榜单写文档和文案：新增场景，挂 The Slop Index 39 行。来源最渣为 #1；本站反转后 GPT-5.6 Luna 居首（100 − Slop = 74）。theslopindex.com
10-09榜单LMArena Image-to-WebDev：64 个模型，Claude Opus 5.5（max）1749。图生网页，不是文字需求的 WebDev。arena.ai
10-09榜单sudo L7：Claude Opus 5.5 与 Claude Sonnet 5.5 均为 45%，页面先列 Opus。GPT 6 Astra 32.2%。surgehq.ai
10-08榜单LMArena WebDev：Claude Opus 5.5（max）以 1813 分居首，领先 GPT-6 Astra 27 分。lmarena.ai
09-29榜单Terminal-Bench 4.0：GPT-6.1 Sol 以 58.2% 并列第 3，成本 $634.24。tbench.ai
09-29推荐全栈组合的模型改为 Terminal-Bench 上的 GPT-6.1 Sol：综合成本后性价比最高。编辑
09-22榜单Terminal-Bench 4.0：Claude Opus 5.5 以 64.8% 登顶。tbench.ai
08-11榜单Android Bench：新增 Claude Opus 5、GPT 5.6 Sol / Luna / Terra、Kimi K3、Qwen3.8 Max 等 8 个模型。android.com
—方法论SWE-bench Verified 自 2026 年 2 月起未收录新一代模型，暂不作为主要证据。编辑