Next.js Agent Evals
2026-10-30 · 框架官方评测 · pass@4 · 2026-10-30
- 测什么
- 模型做真实的 Next.js 任务。当前榜是仍在重跑的 agent。更早的「Previously measured」不并进这一列。
- 怎么测
- Vercel / Next.js 官方 evals。成功标准是 pass@4：四次里有一次通过即算过。基线没有 AGENTS.md。对照臂带上打包的 Next.js 文档。两列分开。
- 分数含义
- 百分比是同一套题上的 pass@4。名次按没有 AGENTS.md 的基线，并保留来源页上的名次。变化量是有 AGENTS.md 减去基线。
- 注意
- Vercel 自己出题、自己评分。测的是模型加上 Next.js，不是框架之间的高低。前排多在 90% 以上，贴近天花板。Gemini 4 Argon 与 GPT 6.1 Terra（high）进入 97% 第一档。Pixel Canary（OpenCode）在来源页排第 9，基线 90%，有 AGENTS.md 为 97%，成本 N/A。本站没有这个模型的厂商身份，所以没有单独模型页，名次仍按来源页保留（映射行会空出第 9）。
- 更新
- 来源页写明最后一次运行是 2026-10-30。本页于 2026-11-02 同步当前榜 16 行中的 15 个可映射模型，不含 Previously measured。
基线榜
| # | 模型 | 基线 | 有 AGENTS.md | 单次成本 |
|---|---|---|---|---|
| 1 | Claude Opus 5.5 high · Claude Code | 97.0 | 97.0 | $0.234 |
| 2 | GPT 6 Sol high · Codex | 97.0 | 97.0 | $0.257 |
| 3 | Gemini 4 Argon OpenCode | 97.0 | 97.0 | $0.435 |
| 4 | Claude Fable 5.1 high · Claude Code | 97.0 | 97.0 | $0.722 |
| 5 | GPT-6.1 Terra high · Codex | 97.0 | 94.0 | $0.083 |
| 6 | Grok 4.7 OpenCode | 94.0 | 94.0 | $0.182 |
| 7 | Gemini 3.8 Flash OpenCode | 90.0 | 97.0 | $0.605 |
| 8 | GPT-6 Astra high · Codex | 90.0 | 97.0 | $0.969 |
| 10 | Kimi K3 OpenCode | 84.0 | 97.0 | $0.281 |
| 11 | GLM 5.2 OpenCode | 81.0 | 97.0 | $0.152 |
| 12 | Claude Sonnet 5 Claude Code | 81.0 | 97.0 | $0.386 |
| 13 | Cursor Composer 2.5 Cursor | 81.0 | 94.0 | $0.062 |
| 14 | GPT 6 Luna high · Codex | 81.0 | 90.0 | $0.012 |
| 15 | MiniMax M3 OpenCode | 81.0 | 90.0 | $0.053 |
| 16 | Kimi K2.7 Code OpenCode | 74.0 | 90.0 | $0.139 |