评测来源官方评测
Arena WebDev
LMArena · 同样是真人盲选，比的是网页好不好用、能不能交付。
在 News 中参与排名
证据预算2.4%
上游数据时间09/29 08:00
最近成功同步09/30 20:33
它测什么，怎么测
只取官方发布快照中的 WebDev 总榜，不抓取 arena.ai 实时页面；与 Text 共同构成一张 Arena 家族票。
如何使用这份证据
编程与设计预算中的 2.4%；在审美分类衡量网页作品偏好，不等同代码正确率。仍与 Arena 其他任务共用证据家族。
评测成绩
按固定规则，每个公开模型采用一套代表配置。匿名测试型号不展示，保留原榜名次，每项最多 30 个。
| 原榜名次 | 原榜型号 | 原始成绩 | 代表配置 |
|---|---|---|---|
| 1 | claude-opus-5.5-maxAnthropic | 1,820.3 | Max 推理 |
| 2 | gpt-6-astra-maxOpenAI | 1,792 | Max 推理 |
| 3 | claude-fable-5.1-maxAnthropic | 1,753 | Max 推理 |
| 4 | claude-sonnet-5.5-highanthropic | 1,698.8 | High 推理 |
| 5 | claude-opus-5-maxAnthropic | 1,694 | Max 推理 |
| 6 | gpt-6-sol-maxOpenAI | 1,692.3 | Max 推理 |
| 7 | qwen3.8-maxAlibaba | 1,671 | 来源默认配置 |
| 8 | qwen3.8-max-0902Alibaba | 1,670.6 | 来源默认配置 |
| 10 | kimi-k3-maxMoonshot AI | 1,658.5 | 来源默认配置 |
| 11 | muse-spark-1.3-maxMeta | 1,654.7 | Max 推理 |
| 12 | qwen3.8-flash-nextAlibaba | 1,636.5 | 来源默认配置 |
| 13 | grok-4.7-xhighxAI | 1,636.3 | xHigh 推理 |
| 14 | hy4-previewTencent | 1,633 | 来源默认配置 |
| 15 | claude-fable-5-highAnthropic | 1,625.9 | High 推理 |
| 17 | glm-5.3-maxZ.ai | 1,622.9 | 来源默认配置 |
| 18 | deepseek-v4.1-flash-maxDeepSeek | 1,620.3 | 来源默认配置 |
| 19 | grok-4.6-highxAI | 1,620.2 | High 推理 |
| 20 | gpt-5.6-sol-xhigh (codex-harness)OpenAI | 1,619.3 | xHigh 推理 · codex-harness |
| 21 | mimo-v2.6-proXiaomi | 1,618.4 | 来源默认配置 |
| 22 | glm-5.3-flashZ.ai | 1,613.6 | 来源默认配置 |
| 23 | glm-5.2-maxZ.ai | 1,604.3 | 来源默认配置 |
| 24 | gemini-3.7-flash-highGoogle | 1,593 | High 推理 |
| 25 | qwen3.8-27bAlibaba | 1,591.8 | 来源默认配置 |
| 26 | gpt-6-luna-maxOpenAI | 1,583.3 | Max 推理 |
| 27 | deepseek-v4-pro-high-20260813DeepSeek | 1,582.2 | 来源默认配置 |
| 28 | gemini-3.8-flash-highGoogle | 1,581.4 | High 推理 |
| 29 | deepseek-v4-flash-highDeepSeek | 1,581.3 | 来源默认配置 |
| 30 | step-5-preview-highStepFun | 1,568.8 | 来源默认配置 |
| 31 | claude-opus-4-7-highAnthropic | 1,557.1 | High 推理 |
| 33 | claude-opus-4-8-highAnthropic | 1,555.5 | High 推理 |
评测局限与数据署名
与 Text 存在偏好构念相关性。
数据许可：CC BY 4.0
成绩由 LMArena 发布，原始分数与 News 共识分使用不同尺度，不能直接相加。