BenchLeader

LiveBench Agentic Coding 排行榜

截至 2026年11月16日,LiveBench Agentic Coding 的最高分为 77.3%,由 DeepSeek V4.1 Flash(DeepSeek)取得,领先于 Claude Opus 5.5(71.7%)。共有 68 个模型配置公布了结果(LiveBench,结果日期 2026年6月25日)。LiveBench 的智能体编程类别:模型在智能体循环中借助工具完成多步骤编程任务,题目全部新写。LiveBench Agentic Coding 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • DeepSeek V4.1 Flash 以 77.3% 保持 LiveBench Agentic Coding 最高分(LiveBench,2026年6月25日)。
  • Claude Opus 5.5 以 71.7% 位列 LiveBench Agentic Coding 第二(LiveBench,2026年6月25日)。
  • LiveBench Agentic Coding:LiveBench 1.0 的智能体编程类别,冻结在最终版本(2026年6月25日)。LiveBench 2.0 已取消该类别(LiveBench)。
  • BenchLeader 上有 68 个模型配置公布了 LiveBench Agentic Coding 结果(BenchLeader,2026年11月16日)。
  • LiveBench Agentic Coding 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

LiveBench 1.0 的智能体编程类别,冻结在最终版本(2026年6月25日)。LiveBench 2.0 已取消该类别。

发布方
LiveBench
类别
智能体与工具
Index 权重
仅作参考
模型
68
数据截至
2026年11月16日

LiveBench (livebench.ai), White et al. 2024.

测试内容

LiveBench 的智能体编程类别:模型在智能体循环中借助工具完成多步骤编程任务,题目全部新写。

评分方式

完成任务的百分比,取自 LiveBench 1.0 的最后一个版本(2026 年 6 月 25 日)。LiveBench 2.0 取消了这个类别,这些分数不再更新。

注意事项

比其他类别更新、规模更小,而且依赖 LiveBench 自己的测试框架。

68 / 68
#
1DeepSeek V4.1 Flashmax77.3%58.52026-06-25
2Claude Opus 5.5max71.7%68.42026-06-25
3Claude Fable 5.1max66.1%66.72026-06-25
4Claude Opus 5.5xhigh65.3%65.42026-06-25
5Claude Opus 5max65.2%65.02026-06-25
6Deepseek v4 Flash Vision65.1%–2026-06-25
7Qwen3.8 Maxmax64.7%58.72026-06-25
8Muse Spark 1.3xhigh64.1%58.12026-06-25
9Muse Wondermax62.7%60.82026-06-25
10Claude Fable 5max62.2%65.12026-06-25
11Kimi K362.2%60.72026-06-25
12Qwen3.8-Flash-Next61.6%53.92026-06-25
13Qwen3.8 27B61.4%55.12026-06-25
14Smaug Flash61.1%–2026-06-25
15GLM 5.360.9%–2026-06-25
16Smaug Mini60.8%–2026-06-25
17Claude Sonnet 5xhigh59.4%55.42026-06-25
18Muse Spark 1.1xhigh58.5%59.52026-06-25
19Gemini 3.7 Flashhigh58.3%62.12026-06-25
20Muse Spark 1.2xhigh57.6%61.52026-06-25
21GPT-6 Astramax57.3%67.32026-06-25
22Claude Haiku 5.5max57.2%55.32026-06-25
23Mistral Large 4high57.2%48.32026-06-25
24Grok 4.657.0%–2026-06-25
25GPT-6.1 Solxhigh56.8%63.62026-06-25
26GLM 5.3 Flash56.8%57.82026-06-25
27Grok 4.556.5%59.32026-06-25
28Claude Sonnet 5.5max56.3%64.22026-06-25
29GPT-5.6 Solmax56.2%65.32026-06-25
30GPT-5.6 Terramax55.0%59.52026-06-25
31DeepSeek V4 Pro55.0%53.02026-06-25
32GPT-6.1 Solmax54.5%66.62026-06-25
33Gemini 3.8 Flashhigh54.2%59.42026-06-25
34GPT-5.5xhigh54.0%64.12026-06-25
35Grok 4.7xhigh54.0%57.42026-06-25
36GPT-5.4xhigh53.8%63.12026-06-25
37GPT-6 Solmax52.9%62.62026-06-25
38Ox Alphamax52.6%–2026-06-25
39GLM 5.251.8%51.92026-06-25
40Claude Haiku 5.5xhigh51.4%56.72026-06-25
41GPT-6 Lunamax51.2%55.12026-06-25
42Claude Opus 4.7xhigh50.7%57.02026-06-25
43Claude Opus 4.8max50.5%61.12026-06-25
44GPT-5.2high50.3%55.82026-06-25
45GPT-5.2-Codex49.4%57.62026-06-25
46Inklingxhigh49.4%50.02026-06-25
47Gemini 3.5 Flashhigh49.0%62.52026-06-25
48Claude Opus 4.6high49.0%62.52026-06-25
49GPT-5.6 Lunamax48.4%56.22026-06-25
50Kimi K2.6thinking46.9%59.32026-06-25
51GPT-5.4 Nanoxhigh46.8%53.92026-06-25
52DeepSeek V4 Flash46.8%53.82026-06-25
53Grok Build 0.145.8%–2026-06-25
54Kimi K2.7 Code45.7%53.92026-06-25
55Gemini 3.5 Flash Litehigh45.3%47.82026-06-25
56Gemini 3.1 Prohigh44.1%60.42026-06-25
57Qwen3.7max43.6%60.02026-06-25
58Gemini 3.6 Flashhigh43.4%61.02026-06-25
59Claude Sonnet 4.6medium42.6%–2026-06-25
60GPT-5.4 Minixhigh41.7%55.12026-06-25

更多智能体与工具基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《LiveBench Agentic Coding 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/livebench_agentic_coding。

LiveBench Agentic Coding:常见问题

LiveBench Agentic Coding 衡量的是什么?
LiveBench 的智能体编程类别:模型在智能体循环中借助工具完成多步骤编程任务,题目全部新写。分数以完成任务的百分比表示,越高越好。
LiveBench Agentic Coding 的最高分是多少?
截至 2026年11月16日,LiveBench Agentic Coding 的最高分为 77.3%,由 DeepSeek V4.1 Flash 取得(结果日期 2026年6月25日),领先于 Claude Opus 5.5(71.7%)。分数来自 LiveBench,每天重新读取。
哪个 AI 模型在 LiveBench Agentic Coding 上领先?
截至 2026年11月16日,LiveBench Agentic Coding 排名第一的是 DeepSeek V4.1 Flash,分数为 77.3%(结果日期 2026年6月25日)。其后为 Claude Opus 5.5(71.7%)。
有多少模型有 LiveBench Agentic Coding 结果?
BenchLeader 上有 68 个模型配置有 LiveBench Agentic Coding 结果,全部取自 LiveBench。
LiveBench Agentic Coding 由谁运行,多久更新一次?
LiveBench Agentic 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 Agentic Coding 是否计入 BenchLeader Index?
不计入。LiveBench Agentic Coding 仅作参考展示,不计入综合分数。