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。
- 1Claude Fable 5.2 (high)19.0%
- 2Claude Opus 5.5 (max)18.5%
- 3Claude Fable 5.1 (max)7.0%
- 4Claude Sonnet 5.5 (max)6.5%
- 5GPT-6 Astra (max)5.5%
- 6GPT-6.1 Sol (max)3.0%
- 7Claude Opus 5 (max)3.0%
- 8Gemini 4 Argon (high)2.5%
- 9Muse Spark 1.3 (max)2.5%
- 10Claude Haiku 5.5 (max)2.5%
- 11Claude Fable 5 (max)2.0%
- 12GPT-6 Sol (max)2.0%
- 13Kimi K32.0%
- 14GPT-5.6 Sol (max)1.5%
- 15GLM 5.3 (max)1.5%
65 / 65
| # | |||||
|---|---|---|---|---|---|
| 1 | 新 | 19.0% | 68.4 | $46.82 | 2026-11-09 |
| 2 | 18.5% | 68.4 | $42.66 | 2026-11-09 | |
| 3 | 7.0% | 66.7 | $58.52 | 2026-11-09 | |
| 4 | 6.5% | 64.2 | $22.62 | 2026-11-09 | |
| 5 | 5.5% | 67.3 | $11.57 | 2026-11-09 | |
| 6 | 3.0% | 66.6 | $2.87 | 2026-11-09 | |
| 7 | 3.0% | 65.0 | $60.29 | 2026-11-09 | |
| 8 | 2.5% | 65.3 | $17.66 | 2026-11-09 | |
| 9 | 2.5% | 60.6 | $54.29 | 2026-11-09 | |
| 10 | 2.5% | 55.3 | $6.83 | 2026-11-09 | |
| 11 | 2.0% | 65.1 | $75.68 | 2026-11-09 | |
| 12 | 2.0% | 62.6 | $11.67 | 2026-11-09 | |
| 13 | 2.0% | 60.7 | $70.48 | 2026-11-09 | |
| 14 | 1.5% | 65.3 | $15.29 | 2026-11-09 | |
| 15 | 1.5% | 58.8 | $21.96 | 2026-11-09 | |
| 16 | 1.0% | 61.1 | $31.27 | 2026-11-09 | |
| 17 | 1.0% | 60.6 | $16.76 | 2026-11-09 | |
| 18 | 1.0% | 59.4 | $10.93 | 2026-11-09 | |
| 19 | 0.5% | 64.1 | $6.95 | 2026-11-09 | |
| 20 | 0.5% | 61.7 | $28.65 | 2026-11-09 | |
| 21 | 0.5% | 61.5 | $2.47 | 2026-11-09 | |
| 22 | 0.5% | 59.5 | $5.38 | 2026-11-09 | |
| 23 | 0.5% | 58.9 | $12.58 | 2026-11-09 | |
| 24 | 0.5% | 58.6 | $2.27 | 2026-11-09 | |
| 25 | 0.5% | 58.5 | $0.897 | 2026-11-09 | |
| 26 | 0.5% | 58.1 | $11.56 | 2026-11-09 | |
| 27 | 0.5% | 57.9 | $8.46 | 2026-11-09 | |
| 28 | 0.5% | 57.5 | $0.727 | 2026-11-09 | |
| 29 | 0.5% | 57.4 | $46.49 | 2026-11-09 | |
| 30 | 0.5% | 56.1 | – | 2026-11-09 | |
| 31 | 0.5% | 55.1 | $0.181 | 2026-11-09 | |
| 32 | 0.5% | 54.8 | $0.471 | 2026-11-09 | |
| 33 | 0.5% | 52.0 | $0.479 | 2026-11-09 | |
| 34 | 0.0% | 63.1 | – | 2026-11-09 | |
| 35 | 0.0% | 62.5 | – | 2026-11-09 | |
| 36 | 0.0% | 62.1 | $7.13 | 2026-11-09 | |
| 37 | 0.0% | 61.0 | $5.92 | 2026-11-09 | |
| 38 | 0.0% | 60.4 | $2.63 | 2026-11-09 | |
| 39 | 0.0% | 59.7 | – | 2026-11-09 | |
| 40 | 0.0% | 59.5 | $13.06 | 2026-11-09 | |
| 41 | 0.0% | 59.0 | – | 2026-11-09 | |
| 42 | 0.0% | 58.7 | $12.36 | 2026-11-09 | |
| 43 | 0.0% | 57.4 | $0.440 | 2026-11-09 | |
| 44 | 0.0% | 57.2 | $1.29 | 2026-11-09 | |
| 45 | 0.0% | 56.8 | $4.12 | 2026-11-09 | |
| 46 | 0.0% | 56.7 | $12.81 | 2026-11-09 | |
| 47 | 0.0% | 56.6 | – | 2026-11-09 | |
| 48 | 0.0% | 56.5 | $0.356 | 2026-11-09 | |
| 49 | 0.0% | 56.2 | $0.943 | 2026-11-09 | |
| 50 | 0.0% | 56.1 | $24.36 | 2026-11-09 | |
| 51 | 0.0% | 55.4 | – | 2026-11-09 | |
| 52 | 0.0% | 55.4 | – | 2026-11-09 | |
| 53 | 0.0% | 55.1 | – | 2026-11-09 | |
| 54 | 0.0% | 55.1 | – | 2026-11-09 | |
| 55 | 0.0% | 54.7 | $3.41 | 2026-11-09 | |
| 56 | 0.0% | 53.9 | $3.19 | 2026-11-09 | |
| 57 | 0.0% | 52.4 | $1.60 | 2026-11-09 | |
| 58 | 0.0% | 52.2 | $17.99 | 2026-11-09 | |
| 59 | 0.0% | 50.4 | $4.14 | 2026-11-09 | |
| 60 | 0.0% | 48.4 | $0.064 | 2026-11-09 |
相关基准测试
ProgramBench 上的热门模型对比
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。