LiveBench 2.0 Coding 排行榜
截至 2026年11月16日,LiveBench 2.0 Coding 的最高分为 91.0%,由 Gemini 4 Carbon(Google)取得,领先于 Claude Fable 5.1(89.7%)。共有 34 个模型配置公布了结果(LiveBench,结果日期 2026年11月6日)。LiveBench 2.0 的编程套件:模型在一个冻结的单体仓库中修复来自已合并 pull request 的真实 bug,在智能体循环中使用工具完成。LiveBench 2.0 Coding 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Gemini 4 Carbon 以 91.0% 保持 LiveBench 2.0 Coding 最高分(LiveBench,2026年11月6日)。
- Claude Fable 5.1 以 89.7% 位列 LiveBench 2.0 Coding 第二(LiveBench,2026年11月6日)。
- LiveBench 2.0 Coding:LiveBench 2.0 编程套件:在冻结的单体仓库上修复真实已合并 PR 中的 bug,确定性评分(LiveBench)。
- BenchLeader 上有 34 个模型配置公布了 LiveBench 2.0 Coding 结果(BenchLeader,2026年11月16日)。
- LiveBench 2.0 Coding 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
LiveBench 2.0 编程套件:在冻结的单体仓库上修复真实已合并 PR 中的 bug,确定性评分。
- 发布方
- LiveBench
- 类别
- 编程
- Index 权重
- 仅作参考
- 模型
- 34
- 数据截至
- 2026年11月16日
LiveBench (livebench.ai), White et al. 2024.
与此前同名的测试不可比较,旧测试的最终分数保留在 LiveBench 1.0 Coding。
测试内容
LiveBench 2.0 的编程套件:模型在一个冻结的单体仓库中修复来自已合并 pull request 的真实 bug,在智能体循环中使用工具完成。
评分方式
当前版本 0 到 100 的任务平均分,确定性评分;修好一处却破坏了别处的修复记 0 分。
注意事项
它与 LiveBench 1.0 的 Coding 类别同名,但后者是简短的竞赛编程题,所以两者分开记录;2.0 的分数从 2026 年 10 月 19 日开始。和所有智能体测试一样,结果依赖测试框架。
- 1Gemini 4 Carbon (high)91.0%
- 2Claude Fable 5.1 (max)89.7%
- 3GPT-6.1 Terra (max)89.2%
- 4GPT-6 Astra (max)87.5%
- 5Claude Opus 5.5 (max)87.1%
- 6Gemini 4 Argon (high)85.7%
- 7Muse Spark 1.3 (max)84.4%
- 8GPT-5.6 Terra (max)84.2%
- 9GPT-6.1 Sol (max)82.1%
- 10DeepSeek V4.1 Flash 1017 (max)80.4%
- 11Mistral Large 4 (high)79.4%
- 12Claude Fable 5.2 (xhigh)79.2%
- 13Gemini 4 Hydrogen (xhigh)78.5%
- 14Claude Haiku 5.5 (max)77.6%
- 15Claude Sonnet 5.5 (max)77.2%
| # | |||||||
|---|---|---|---|---|---|---|---|
| 1 | 91.0% | 68.9 | $155.10 | $6.46 | 106k | 2026-11-06 | |
| 2 | 89.7% | 66.7 | $126.78 | $5.28 | 41k | 2026-11-06 | |
| 3 | 89.2% | 64.1 | $31.15 | $1.30 | 56k | 2026-11-06 | |
| 4 | 87.5% | 67.3 | $79.57 | $3.32 | 14k | 2026-11-06 | |
| 5 | 87.1% | 68.4 | $206.67 | $8.61 | 114k | 2026-11-06 | |
| 6 | 85.7% | 65.3 | $121.83 | $5.08 | 115k | 2026-11-06 | |
| 7 | 84.4% | 60.6 | $32.92 | $1.37 | 35k | 2026-11-06 | |
| 8 | 84.2% | 59.5 | $65.15 | $2.71 | 33k | 2026-11-06 | |
| 9 | 82.1% | 66.6 | $19.27 | $0.803 | 20k | 2026-11-06 | |
| 10 | 80.4% | 57.7 | $6.23 | $0.260 | 75k | 2026-11-06 | |
| 11 | 79.4% | 48.3 | $13.78 | $0.574 | 35k | 2026-11-06 | |
| 12 | 新 | 79.2% | 69.7 | $333.44 | $13.89 | 126k | 2026-11-06 |
| 13 | 新 | 78.5% | 61.8 | $148.60 | $6.19 | 125k | 2026-11-06 |
| 14 | 77.6% | 55.3 | $28.07 | $1.17 | 198k | 2026-11-06 | |
| 15 | 77.2% | 64.2 | $150.22 | $6.26 | 148k | 2026-11-06 | |
| 16 | 76.7% | 56.1 | $84.45 | $3.52 | 37k | 2026-11-06 | |
| 17 | 74.9% | 60.8 | $133.89 | $5.58 | 26k | 2026-11-06 | |
| 18 | 73.3% | 59.4 | $55.11 | $2.30 | 111k | 2026-11-06 | |
| 19 | 73.1% | 57.4 | $183.21 | $7.63 | 78k | 2026-11-06 | |
| 20 | 70.9% | 52.4 | $4.07 | $0.170 | 30k | 2026-11-06 | |
| 21 | 70.8% | 55.1 | $3.25 | $0.136 | 83k | 2026-11-06 | |
| 22 | 69.3% | – | $25.80 | $1.07 | 56k | 2026-11-06 | |
| 23 | 68.8% | – | $5.70 | $0.237 | 74k | 2026-11-06 | |
| 24 | 67.8% | 59.9 | $33.48 | $1.39 | 26k | 2026-11-06 | |
| 25 | 67.6% | – | $33.49 | $1.40 | 56k | 2026-11-06 | |
| 26 | 64.5% | – | $6.71 | $0.279 | 92k | 2026-11-06 | |
| 27 | 60.9% | 58.7 | $47.69 | $1.99 | 168k | 2026-11-06 | |
| 28 | 55.1% | – | $41.51 | $1.73 | 33k | 2026-11-06 | |
| 29 | 54.1% | – | $9.89 | $0.412 | 53k | 2026-11-06 | |
| 30 | 53.1% | 60.2 | $49.47 | $2.06 | 19k | 2026-11-06 | |
| 31 | 51.5% | – | $3.92 | $0.164 | 47k | 2026-11-06 | |
| 32 | 48.7% | – | $52.06 | $2.17 | 35k | 2026-11-06 | |
| 33 | 34.8% | – | $3.53 | $0.147 | 51k | 2026-11-06 | |
| 34 | 20.3% | – | $6.05 | $0.252 | 12k | 2026-11-06 |
相关基准测试
LiveBench 2.0 Coding 上的热门模型对比
引用格式:BenchLeader,《LiveBench 2.0 Coding 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/livebench2_coding。
LiveBench 2.0 Coding:常见问题
- LiveBench 2.0 Coding 衡量的是什么?
- LiveBench 2.0 的编程套件:模型在一个冻结的单体仓库中修复来自已合并 pull request 的真实 bug,在智能体循环中使用工具完成。分数以完成任务的百分比表示,越高越好。
- LiveBench 2.0 Coding 的最高分是多少?
- 截至 2026年11月16日,LiveBench 2.0 Coding 的最高分为 91.0%,由 Gemini 4 Carbon 取得(结果日期 2026年11月6日),领先于 Claude Fable 5.1(89.7%)。分数来自 LiveBench,每天重新读取。
- 哪个 AI 模型在 LiveBench 2.0 Coding 上领先?
- 截至 2026年11月16日,LiveBench 2.0 Coding 排名第一的是 Gemini 4 Carbon,分数为 91.0%(结果日期 2026年11月6日)。其后为 Claude Fable 5.1(89.7%)。
- 有多少模型有 LiveBench 2.0 Coding 结果?
- BenchLeader 上有 34 个模型配置有 LiveBench 2.0 Coding 结果,全部取自 LiveBench。
- LiveBench 2.0 Coding 由谁运行,多久更新一次?
- LiveBench 2.0 Coding 由 LiveBench 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- LiveBench 2.0 Coding 是否计入 BenchLeader Index?
- 不计入。LiveBench 2.0 Coding 仅作参考展示,不计入综合分数。