每一项编程任务，都有最懂它的 AI。
真实评测排名，契合工具随心搭。
场景榜单
查看更多 →工具箱
最新变化
10-29榜单两榜同步：LMArena WebDev 至 10-27（952,039 票、153 行），Opus Max 仍第 1（1810）；新增 Gemini 4 Carbon（high） 第 4（1768，初步）。EQ Creative Writing 146 行，Astra 仍第 1（Elo 2176.9）；Kimi K3.1 Pro 新进第 2（2172.6）。lmarena.ai / eqbench.com
10-28榜单六榜同步：sudo L7 16 行，Sonnet 5.5 50.6% 居首；Kimi K3.1 Pro 与 Qwen 并列第 6。WebDev 至 10-27（950,329 票、152 行），Opus Max 仍第 1；新增 GPT-6.1 Terra 第 14。Slop 反转后 Inkling Small 第 1（76），Haiku 约第 4（旧「Haiku #1」过时）。Android Bench 2.0 11 行，Sonnet max 40.0% 居首。FrontierCode 升级 2.0（102 行／26 模型；完整 JSON 含 Obsidian 3）。Convex No/With Guidelines 刷新，有指南 Argon ~98.7%。surgehq.ai / lmarena.ai / theslopindex.com / developer.android.com / cognition.com / convex.dev
10-26榜单四榜同步：LMArena WebDev 至 2026-10-22（923,854 票、151 行），新增 Moonshot Kimi K3.1 Pro（max） 第 8（1692，初步）。Slop Index 扩至 58 行（2,091 票），反转后 Haiku 5.5 第 1（100−17=83）。EQ Creative Writing 145 行，Meta muse-wonder 第 9（Elo 2007.0）。Convex With Guidelines 刷新，Claude Opus 5 第 9（94.64%）。lmarena.ai / theslopindex.com / eqbench.com / convex.dev
10-20榜单四榜同步：LMArena WebDev 至 2026-10-19（903,893 票、149 行），Opus 5.5（max）1807 居首，新增 Muse Wonder Full（max）第 6（1726）。Image-to-WebDev 至 2026-10-19（191,568 票、65 行），Opus 5.5（max）1753 居首，DeepSeek-V4.1-Flash-20260910（max）第 13（1606）。Convex No / With Guidelines 各 38 个模型，新增 GPT-5.5 第 14（77.68%）／第 17（89.29%）。lmarena.ai / convex.dev
10-19榜单三榜同步：LMArena WebDev 至 2026-10-19（900,155 票、146 行），Opus 5.5（max）1806 居首，新增 DeepSeek-V4.1-Flash-20261017（max）第 12（1670）。ReactBench v1.2 重同步（85 配置），Opus 5.5（max）54.4% 第 1。Convex 补上 With Guidelines，并刷新 No Guidelines / Web。lmarena.ai / reactbench.com / convex.dev
10-18推荐React Bits：按官网重写动效分类一句话说明（免费开源动画 React 组件，可复制源码），并补全仓库与 shadcn 安装示例。reactbits.dev
10-14榜单LMArena WebDev：同步至 2026-10-13 榜（878,407 票、143 行）。Claude Opus 5.5（max）1811 仍居首；新增 Meta muse-wonder-max 第 15（1651）。lmarena.ai
10-13榜单FrontierCode 1.1：Main 集 130 行（全部推理档）。Claude Opus 5.5 54.6%。通用榜，挂入 Web 前端 / Android / CLI，权重 0.6。cognition.com/frontiercode
10-12榜单写文档和文案：挂入 EQ-Bench Creative Writing v3，140 行 Elo；权重 0.6（Slop Index 仍 1.0）。综合分榜首 GPT-6 Astra。eqbench.com
10-12推荐Best Free Fonts：字体分类新增精选免费字体目录；强调真正免费，收录常见 SIL Open Font License。bestfreefonts.com
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
数据来源
标明每个榜单的最后更新日期；超过 90 天未更新的榜单不作为主要证据。
LMArena WebDev
2026-10-27
前端
LMArena Image-to-WebDev
2026-10-19
前端
Android Bench
2026-10-26
移动端
Terminal-Bench 4.0
2026-10-06
终端 Agent
The Slop Index
2026-10-28
文档与文案
EQ-Bench Creative Writing v3
2026-10-29
文档与文案
sudo L7
2026-10-28
通用编码能力
Supabase Evals
2026-10-30
框架官方评测
Next.js Agent Evals
2026-10-30
框架官方评测
Convex Evals
2026-10-28
框架官方评测
ReactBench
2026-10-19
生态评测
FrontierCode
2026-10-27
通用可合并性
DeepSWE v1.1
2026-09-22
通用长程工程
SWE-bench Verified
2026-02-26
停更
Aider Polyglot
2025-11-20
停更