Phoenix Yin (@Phoenixyin13) “LMSYS Arena已经是目前整个 AI 圈公认含金量最高、最难刷榜、水分最少的榜单了。 比起” — TopicDigg

LMSYS Arena已经是目前整个 AI 圈公认含金量最高、最难刷榜、水分最少的榜单了。 比起某些厂商自己发论文、用固定题库比如MMLU、HumanEval跑出来的作弊满分 ，Arena 机制更像电竞比赛的排位天梯赛。 看到这个 2026 年第 25 周AI代码能力的排名，我有这几个最直观的看法。 Claude江山稳固。 Claude-Fable-5 强势空降第一。直接登顶。更夸张的是，前 20 名里它家占了 9 个席位，包括各种版本的 Opus 和 Sonnet。在代码和复杂工程领域，Claude 依然是很多程序员的本命。 这次最亮眼的黑马绝对是国产的 GLM-5.2 Max，直接冲到了全球第二。 这代表国产模型在纯代码逻辑、Debug 和架构设计上，已经真正具备了跟国际顶尖模型贴身肉搏、甚至全面超越大部分旧旗舰的硬实力。 Thinking模型已经成为标配。 这种通过长思维链反复推演、自己 Debug 完再输出代码的模式，已经在盲测中被全球开发者用脚投票，证明了它在应对复杂项目时的胜率更高。 前 20 名里，国产模型占了 7 个席位。而且阿里的通义千问和月之暗面都咬得很紧，甚至还推出了专门的 ⁠kimi-k2.7-code⁠ 这种垂直上榜的特化型号。 国内在大模型数据清洗、工程落地和代码对齐上的技术已经非常成熟。 这种榜单的更新、迭代，对开发者来说是天大的好事。 模型之间卷得越厉害，平时写代码、跑 Cursor、调 Agent 时的体验就越丝滑。 现在已经不是某一家模型独大的时代了。 针对不同的代码场景，比如要长文本上下文选 Kimi，要极致推理逻辑选 Claude、GLM，组合使用才是性价比最高的方式。