BenchLeader

MirrorCode 排行榜

截至 2026年11月16日,MirrorCode 的最高分为 97.8%,由 Claude Sonnet 5.5(Anthropic)取得,领先于 Claude Opus 5.5(95.6%)。共有 45 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2026年9月28日)。模型观察一个程序的行为,必须写出与之行为完全一致的代码。MirrorCode 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Claude Sonnet 5.5 以 97.8% 保持 MirrorCode 最高分(Epoch AI Benchmarking Hub,2026年9月28日)。
  • Claude Opus 5.5 以 95.6% 位列 MirrorCode 第二(Epoch AI Benchmarking Hub,2026年9月22日)。
  • MirrorCode:根据程序的输出复现其行为。由 Epoch AI 运行(Epoch AI Benchmarking Hub)。
  • BenchLeader 上有 45 个模型配置公布了 MirrorCode 结果(BenchLeader,2026年11月16日)。
  • MirrorCode 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

根据程序的输出复现其行为。由 Epoch AI 运行。

发布方
Epoch AI Benchmarking Hub
类别
编程
Index 权重
仅作参考
模型
45
数据截至
2026年11月16日

CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.

测试内容

模型观察一个程序的行为,必须写出与之行为完全一致的代码。

评分方式

匹配成功的程序百分比,由 Epoch AI 运行。

注意事项

目前测量过的模型很少。

45 / 45
#
1Claude Sonnet 5.5max97.8%64.22026-09-28
2Claude Opus 5.5max95.6%68.42026-09-22
3Claude Fable 5.1max93.3%66.72026-09-01
4Claude Opus 5max87.8%65.02026-07-24
5Claude Opus 5.5high78.9%66.02026-09-22
6Claude Haiku 5.5max78.9%55.32026-10-07
7GPT-6.1 Terramax76.7%64.12026-10-26
8Claude Fable 5.1high73.3%63.72026-09-01
9Claude Fable 5max70.0%65.12026-06-09
10Claude Opus 4.8max65.6%61.12026-05-28
11DeepSeek V4.1 Flashmax64.4%58.52026-09-09
12Claude Fable 5high63.9%63.92026-06-09
13Claude Sonnet 5max63.3%56.12026-06-30
14GPT-6.1 Solmax61.1%66.62026-09-29
15GPT-6 Astramax60.0%67.32026-09-03
16Gemini 4 Argonhigh58.9%65.32026-10-13
17Muse Spark 1.3max54.4%60.62026-09-02
18Kimi K3max54.4%60.22026-07-16
19Grok 4.7xhigh54.4%57.42026-09-21
20Qwen3.8 Maxxhigh52.2%56.62026-08-02
21GPT-6 Solmax48.9%62.62026-09-22
22GPT-6 Astrahigh46.7%66.32026-09-03
23Muse Wondermax45.6%60.82026-10-12
24Claude Opus 4.7max43.3%59.72026-04-16
25Gemini 3.7 Flashhigh41.1%62.12026-08-13
26GPT-5.6 Terramax41.1%59.52026-07-09
27Grok 4.6xhigh41.1%56.12026-08-12
28Mistral Large 4high40.0%48.32026-10-06
29Gemini 3.8 Flashhigh38.9%59.42026-09-02
30GLM 5.2max36.7%58.92026-06-16
31Claude Opus 4.6max33.3%57.02026-02-05
32DeepSeek V4 Promax33.3%54.72026-08-13
33GPT-5.2xhigh32.2%59.92025-12-11
34Grok 4.5high32.2%56.82026-07-08
35Claude Opus 4.7high31.1%60.02026-04-16
36GPT-6 Lunamax26.7%55.12026-09-22
37GPT-5.5xhigh23.3%64.12026-04-23
38GPT-5.4xhigh23.3%63.12026-03-05
39Gemini 3.6 Flashhigh23.3%61.02026-07-21
40GPT-5.6 Lunamax21.1%56.22026-07-09
41GPT-5.6 Solhigh20.0%63.42026-07-09
42GPT-5.4high15.6%58.62026-03-05
43GPT-5.5high10.0%63.52026-04-23
44Gemini 3.1 Prohigh8.9%60.42026-02-19
45GPT-5high4.4%58.22025-08-07

更多编程基准测试 · 全部大模型基准测试

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

MirrorCode:常见问题

MirrorCode 衡量的是什么?
模型观察一个程序的行为,必须写出与之行为完全一致的代码。分数以完成任务的百分比表示,越高越好。
MirrorCode 的最高分是多少?
截至 2026年11月16日,MirrorCode 的最高分为 97.8%,由 Claude Sonnet 5.5 取得(结果日期 2026年9月28日),领先于 Claude Opus 5.5(95.6%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
哪个 AI 模型在 MirrorCode 上领先?
截至 2026年11月16日,MirrorCode 排名第一的是 Claude Sonnet 5.5,分数为 97.8%(结果日期 2026年9月28日)。其后为 Claude Opus 5.5(95.6%)。
有多少模型有 MirrorCode 结果?
BenchLeader 上有 45 个模型配置有 MirrorCode 结果,全部取自 Epoch AI Benchmarking Hub。
MirrorCode 由谁运行,多久更新一次?
MirrorCode 由 Epoch AI Benchmarking Hub 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。
MirrorCode 是否计入 BenchLeader Index?
不计入。MirrorCode 仅作参考展示,不计入综合分数。