最适合编程的大模型(2026年11月)
截至 2026年11月16日,第三方基准测试中最适合编程的大模型是 Anthropic 的 Claude Fable 5.2(max)(编程得分 79.7),其后为 Claude Opus 5.5(max)(编程得分 78.8)和 Claude Fable 5(编程得分 75.5)。
按 BenchLeader Index 的编程类别排名:综合 SWE-bench Verified、SWE-Bench Pro、LiveCodeBench、Aider Polyglot 等计入 Index 的编程排行榜。模型须至少有两项编程基准测试结果。
191 个模型符合条件 · 数据截至 2026年11月16日 · 每 6 小时(UTC 04:03、10:03、16:03、22:03 开始运行)更新
正面对比: Claude Fable 5.2 vs Claude Opus 5.5 (#1 vs #2) · Claude Fable 5.2 vs Claude Fable 5 (#1 vs #3) · Claude Opus 5.5 vs Claude Fable 5 (#2 vs #3)
| # | 模型 | 编程得分 | Index | 价格 $/M | 速度 tok/s |
|---|---|---|---|---|---|
| 1 | 79.7 | 72.7 | $16.00 | 109 | |
| 2 | 78.8 | 68.4 | $8.00 | 116 | |
| 3 | 75.5 | 65.4 | $20.00 | 50 | |
| 4 | 74.1 | 68.9 | $4.00 | 64 | |
| 5 | 73.2 | 67.3 | $20.00 | 41 | |
| 6 | 71.1 | 66.6 | $4.00 | 50 | |
| 7 | 70.2 | 64.2 | $4.00 | 152 | |
| 8 | 69.9 | 61.7 | – | – | |
| 9 | 69.7 | 66.7 | $20.00 | 89 | |
| 10 | 69.3 | 64.1 | $2.00 | 72 | |
| 11 | 68.8 | 63.4 | $3.00 | 170 | |
| 12 | 67.0 | 65.0 | $10.00 | 80 | |
| 13 | 67.0 | 55.9 | $35.00 | – | |
| 14 | 66.7 | 65.3 | $4.00 | 66 | |
| 15 | 66.3 | 62.6 | $4.00 | 127 |
完整排名(191 个模型) · Claude Fable 5.2 vs Claude Opus 5.5 · 最适合编程智能体(注明权重) · 方法说明 · 本排名所依据的大模型基准测试
各价位最适合编程的模型
所有模型的每美元质量按每百万 token 混合 API 价格分档,各档编程得分最高的模型。
- $0.50 以下
Qwen3.8-Flash-Next
编程 60.7$0.23/M该价位 37 个模型中最佳 - $0.50–$2
DeepSeek V4.1 Flash 1017
编程 63.0$0.53/M该价位 55 个模型中最佳 - $2–$5
Gemini 4 Carbon
编程 74.1$4.00/M该价位 39 个模型中最佳 - $5 及以上
Claude Fable 5.2
编程 79.7$16.00/M该价位 28 个模型中最佳
编程基准测试及各自的领先者
全部编程基准测试程序员常按名称查找的基准测试,均来自第三方发布方。上方的编程得分综合了其中计入 BenchLeader Index 的几项。
| 基准测试 | 测试内容 | 领先者 | 得分 |
|---|---|---|---|
| SWE-Bench Pro大型多语言仓库中的真实 GitHub issue | 大型多语言仓库中的真实 GitHub issue | 61.5% | |
| SWE-bench Verified (bash only)经人工核验的 Python GitHub issue,用一个简单智能体完成 | 经人工核验的 Python GitHub issue,用一个简单智能体完成 | 76.8% | |
| FrontierSWE前沿水平的长时软件工程任务 | 前沿水平的长时软件工程任务 | 69.9% | |
| Terminal-Bench 4.0 (AA)在 Linux 终端中完成实际工作 | 在 Linux 终端中完成实际工作 | 67.2% | |
| LiveCodeBench接近饱和训练截止日期之后发布的新竞赛题 | 训练截止日期之后发布的新竞赛题 | 90.5% | |
| FrontierCode 2.0 (AA)高难度、全新的编程题 | 高难度、全新的编程题 | 49.1% | |
| LMArena WebDev由人在两个生成的 Web 应用之间投票 | 由人在两个生成的 Web 应用之间投票 | 1838 | |
| LMArena Coding由人在两个编程问题的回答之间投票 | 由人在两个编程问题的回答之间投票 | 1568 | |
| Aider Polyglot已退役通过 Aider 编辑六种语言的代码 | 通过 Aider 编辑六种语言的代码 | 88.0% |
程序员在用什么:Claude Code、Codex 等
编程智能体每日使用情况2026年10月16日至 2026年11月14日 编程智能体的对话轮次占比,数据来自可运行多个智能体的桌面应用 T3 Code 的遥测。仅代表一个应用的用户,并非整个市场。
智能体
- Claude Code67.6% 上周 72.8%
- Codex26.5% 上周 21.2%
- OpenCode2.3% 上周 2.0%
- Pi1.0% 上周 1.0%
这些智能体中使用的模型
- 1Claude Opus 5.5编程 78.857.6%
- 2GPT-6.1 Sol编程 71.118.6%
- 3GPT-6 Astra编程 73.24.8%
- 4Claude Sonnet 5.5编程 70.23.9%
- 5Claude Fable 5.1编程 69.71.7%
编程套餐:各价位用量最多的套餐
全部编程套餐对比用满额度时,1 美元订阅费可换来多少美元的 API 用量。其中多数是外部估算,套餐页面注明了每项的来源。
- $30 以下Claude Code Pro $20/月在 Claude Opus 5.5 上用满时的估算60×
- $30 至 $60Kimi Code Pro $39/月在 Kimi K3 上用满时的估算11×
- $100 左右Claude Code Max $100/月在 Claude Opus 5.5 上用满时的估算72×
- $200 及以上Claude Code Ultra $200/月在 Claude Opus 5.5 上用满时的估算62×
最适合编程的大模型:常见问题
- 2026年11月最适合编程的大模型是哪个?
- 截至 2026年11月16日,第三方基准测试中最适合编程的大模型是 Anthropic 的 Claude Fable 5.2(max)(编程得分 79.7),其后为 Claude Opus 5.5(max)(编程得分 78.8)和 Claude Fable 5(编程得分 75.5)。BenchLeader 汇总来自 48 家发布方的 285 项基准测试,并每 6 小时(UTC 04:03、10:03、16:03、22:03 开始运行)重新生成排名。
- 哪个性价比最高?
- 在本榜前 15 名中,每美元 BenchLeader Index 分数最高的是 GPT-6.1 Terra(max):Index 64.1,混合价格每百万 token $2.00;而 Claude Fable 5.2 为 $16.00。
- 最佳开放权重选择是哪个?
- DeepSeek 的 DeepSeek V4.1 Flash 1017(max) 是本榜排名最高的开放权重模型,位列第 21。
- 排名是如何得出的?
- 按 BenchLeader Index 的编程类别排名:综合 SWE-bench Verified、SWE-Bench Pro、LiveCodeBench、Aider Polyglot 等计入 Index 的编程排行榜。模型须至少有两项编程基准测试结果。每个分数都来自第三方发布方,并在模型页面链接到出处。发布文章中的分数从不进入任何排名或基准测试排行榜。只有在尚无第三方来源时,少数规格(标价、上下文窗口、首次回答时间)可能取自厂商,并标注为“厂商自报”;模型页面上少量厂商自行测得的分数也同样标注。
引用格式:BenchLeader,《最适合编程的大模型(2026年11月)》,数据截至 2026年11月16日,https://www.benchleader.com/zh/best/llm-for-coding。