跳过主要内容
评测来源/ProgramBench
参与排名编程

ProgramBench

Vals AI · ProgramBench 的公开模型评测结果。

官方评测
来源说明

该来源测量模型在「编程」领域的具体交付表现,原始成绩会和统一能力读数分开展示。

限制: 不同版本、推理设置和测试集可能导致分数变化,请结合数据时间阅读。

使用方式

参与排名的来源会影响能力分;参考、交叉参考和观察来源仅用于对比与核验。

本来源的模型成绩

Claude Fable 5.219100.02026-11-10
Claude Opus 5.518.5100.02026-11-05
Claude Fable 5.1771.52026-11-05
Claude Sonnet 5.56.569.52026-11-05
GPT-6 Astra5.565.42026-11-05
Claude Opus 5355.42026-11-05
GPT-6.1 Sol355.42026-11-05
Claude Haiku 5.52.553.42026-11-05
Gemini 4 Argon2.553.42026-11-05
Muse Spark 1.32.553.42026-11-05
Claude Fable 5251.42026-11-05
Kimi K3251.42026-11-05
GPT-6 Sol251.42026-11-05
GPT-5.6 Sol1.549.42026-11-05
GLM 5.31.549.42026-11-05
Claude Opus 4.8147.32026-11-05
Gemini 3.8 Flash147.32026-11-05
Grok 4.6147.32026-11-05
Claude Sonnet 4.60.545.32026-11-05
DeepSeek V4.1 Flash0.545.32026-11-05
Muse Spark 1.20.545.32026-11-05
GPT-5.40.545.32026-11-05
GPT-5.50.545.32026-11-05
GPT-5.6 Terra0.545.32026-11-05

第 1 / 3 页

常见问题