BenchLeader

ProgramBench 排行榜

截至 2026年11月16日,ProgramBench 的最高分为 19.0%,由 Claude Fable 5.2(Anthropic)取得,领先于 Claude Opus 5.5(18.5%)。共有 65 个模型配置公布了结果(Vals AI,结果日期 2026年11月9日)。给定一个二进制文件,模型必须还原出能复现其行为的源代码,用测试检查。ProgramBench 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Claude Fable 5.2 以 19.0% 保持 ProgramBench 最高分(Vals AI,2026年11月9日)。
  • Claude Opus 5.5 以 18.5% 位列 ProgramBench 第二(Vals AI,2026年11月9日)。
  • ProgramBench:根据编译后的二进制文件重建程序。由 Vals AI 运行(Vals AI)。
  • BenchLeader 上有 65 个模型配置公布了 ProgramBench 结果(BenchLeader,2026年11月16日)。
  • ProgramBench 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

根据编译后的二进制文件重建程序。由 Vals AI 运行。

发布方
Vals AI
类别
编程
Index 权重
仅作参考
模型
65
数据截至
2026年11月16日

Vals AI (vals.ai).

测试内容

给定一个二进制文件,模型必须还原出能复现其行为的源代码,用测试检查。

评分方式

成功重建的程序百分比,由 Vals AI 运行。

注意事项

逆向工程是小众领域;大多数模型得分很低。

65 / 65
#
1新Claude Fable 5.2high19.0%68.4$46.822026-11-09
2Claude Opus 5.5max18.5%68.4$42.662026-11-09
3Claude Fable 5.1max7.0%66.7$58.522026-11-09
4Claude Sonnet 5.5max6.5%64.2$22.622026-11-09
5GPT-6 Astramax5.5%67.3$11.572026-11-09
6GPT-6.1 Solmax3.0%66.6$2.872026-11-09
7Claude Opus 5max3.0%65.0$60.292026-11-09
8Gemini 4 Argonhigh2.5%65.3$17.662026-11-09
9Muse Spark 1.3max2.5%60.6$54.292026-11-09
10Claude Haiku 5.5max2.5%55.3$6.832026-11-09
11Claude Fable 5max2.0%65.1$75.682026-11-09
12GPT-6 Solmax2.0%62.6$11.672026-11-09
13Kimi K32.0%60.7$70.482026-11-09
14GPT-5.6 Solmax1.5%65.3$15.292026-11-09
15GLM 5.3max1.5%58.8$21.962026-11-09
16Claude Opus 4.8max1.0%61.1$31.272026-11-09
17Grok 4.6high1.0%60.6$16.762026-11-09
18Gemini 3.8 Flashhigh1.0%59.4$10.932026-11-09
19GPT-5.5xhigh0.5%64.1$6.952026-11-09
20Muse Wonder Fullmax0.5%61.7$28.652026-11-09
21Muse Spark 1.2xhigh0.5%61.5$2.472026-11-09
22GPT-5.6 Terramax0.5%59.5$5.382026-11-09
23GLM 5.2max0.5%58.9$12.582026-11-09
24GPT-5.4high0.5%58.6$2.272026-11-09
25DeepSeek V4.1 Flashmax0.5%58.5$0.8972026-11-09
26Muse Spark 1.3xhigh0.5%58.1$11.562026-11-09
27Inkling 2 Small0.5%57.9$8.462026-11-09
28MiMo-V2.6-Pro0.5%57.5$0.7272026-11-09
29Grok 4.7xhigh0.5%57.4$46.492026-11-09
30Claude Sonnet 4.6max0.5%56.1–2026-11-09
31GPT-6 Lunamax0.5%55.1$0.1812026-11-09
32MiMo-V2.6-Flash0.5%54.8$0.4712026-11-09
33Inkling Small0.5%52.0$0.4792026-11-09
34GPT-5.4xhigh0.0%63.1–2026-11-09
35Gemini 3.5 Flashhigh0.0%62.5–2026-11-09
36Gemini 3.7 Flashhigh0.0%62.1$7.132026-11-09
37Gemini 3.6 Flashhigh0.0%61.0$5.922026-11-09
38Gemini 3.1 Prohigh0.0%60.4$2.632026-11-09
39Claude Opus 4.7max0.0%59.7–2026-11-09
40Muse Spark 1.1xhigh0.0%59.5$13.062026-11-09
41Qwen3.6 Plus0.0%59.0–2026-11-09
42Qwen3.8 Maxmax0.0%58.7$12.362026-11-09
43Gemini 3 Flashhigh0.0%57.4$0.4402026-11-09
44DeepSeek V4 Flashhigh0.0%57.2$1.292026-11-09
45Grok 4.5high0.0%56.8$4.122026-11-09
46Hy40.0%56.7$12.812026-11-09
47MiniMax M2.70.0%56.6–2026-11-09
48Grok 4.3high0.0%56.5$0.3562026-11-09
49GPT-5.6 Lunamax0.0%56.2$0.9432026-11-09
50Claude Sonnet 5max0.0%56.1$24.362026-11-09
51GLM 5.10.0%55.4–2026-11-09
52Nemotron 3 Ultra 550B A55B0.0%55.4–2026-11-09
53Kimi K2.60.0%55.1–2026-11-09
54GPT-5.4 Minixhigh0.0%55.1–2026-11-09
55DeepSeek V4 Promax0.0%54.7$3.412026-11-09
56Kimi K2.7 Code0.0%53.9$3.192026-11-09
57GLM 5.3 Flashmax0.0%52.4$1.602026-11-09
58Qwen3.8 27Bxhigh0.0%52.2$17.992026-11-09
59Inkling0.0%50.4$4.142026-11-09
60Gemini 3.1 Flash Litehigh0.0%48.4$0.0642026-11-09

更多编程基准测试 · 全部大模型基准测试

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

ProgramBench:常见问题

ProgramBench 衡量的是什么?
给定一个二进制文件,模型必须还原出能复现其行为的源代码,用测试检查。分数以完成任务的百分比表示,越高越好。
ProgramBench 的最高分是多少?
截至 2026年11月16日,ProgramBench 的最高分为 19.0%,由 Claude Fable 5.2 取得(结果日期 2026年11月9日),领先于 Claude Opus 5.5(18.5%)。分数来自 Vals AI,每天重新读取。
哪个 AI 模型在 ProgramBench 上领先?
截至 2026年11月16日,ProgramBench 排名第一的是 Claude Fable 5.2,分数为 19.0%(结果日期 2026年11月9日)。其后为 Claude Opus 5.5(18.5%)。
有多少模型有 ProgramBench 结果?
BenchLeader 上有 65 个模型配置有 ProgramBench 结果,全部取自 Vals AI。
ProgramBench 由谁运行,多久更新一次?
ProgramBench 由 Vals AI 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。
ProgramBench 是否计入 BenchLeader Index?
不计入。ProgramBench 仅作参考展示,不计入综合分数。