vibecodingnav
中/EN
基准/lmarena-webdev

LMArena WebDev

2026-10-27 · 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 2026-10-27,2026-10-29 同步;每周同步一次,变化写入首页「最新变化」。

完整榜单

153

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 · Proprietarymax1810+13/−133,473$4 / $201M
22–4gpt-6-astra-maxOpenAI · Proprietarymax1773+10/−107,210$10 / $501.1M
32–5claude-sonnet-5.5-xhighAnthropic · Proprietaryxhigh1770+11/−114,469$2 / $101M
42–6gemini-4-carbon-highGoogle · Proprietaryhigh初步1768+15/−152,230$2 / $10N/A
53–7gpt-6.1-sol-maxOpenAI · Proprietarymax1751+11/−114,092$2 / $101.1M
64–7claude-fable-5.1-maxAnthropic · Proprietarymax1746+9/−98,614$10 / $501M
75–8muse-wonder-full-maxMeta · Proprietarymax1725+14/−142,248N/AN/A
87–9claude-sonnet-5.5-highAnthropic · Proprietaryhigh1711+9/−96,371$2 / $101M
98–15kimi-k3.1-pro-maxMoonshot · Proprietarymax初步1695+13/−132,671$2 / $101M
109–13claude-opus-5-maxAnthropic · Proprietarymax1691+6/−619,641$5 / $251M
119–16gemini-4-argon-highGoogle · Proprietaryhigh1679+11/−113,437$2 / $101M
129–16gpt-6-sol-maxOpenAI · Proprietarymax1678+9/−95,714$2 / $101.1M
1310–16qwen3.8-max-0902Alibaba · Proprietary初步1676+7/−717,936$2 / $6N/A
149–20gpt-6.1-terra-maxOpenAI · Proprietarymax1673+15/−151,821$1 / $51.1M
1510–20qwen3.8-maxAlibaba · Proprietary初步1672+12/−123,406$2 / $61M
1611–20deepseek-v4.1-flash-20261017-maxDeepSeek · MITmax1665+8/−87,842$0.15 / $0.601M
1714–20claude-opus-5-highAnthropic · Proprietaryhigh1658+5/−526,887$5 / $251M
1814–20kimi-k3-maxMoonshot · Kimi K3 licensemax1656+6/−621,281$3 / $151M
1914–20muse-spark-1.3-maxMeta · Proprietarymax1656+7/−710,796$1.25 / $4.251M
2014–22muse-wonder-maxMeta · Proprietarymax1652+11/−113,724$4 / $201M

用在这些场景