2026年全球编程大模型排行榜

2026-09-24 整理。主表照抄 Terminal-Bench 4.0 官方榜，榜单记录更新于 2026-09-21。一行是一次提交：模型、推理档位和代理一起计分。GPT-6 Astra（max）配 Codex，解决率 58.2%，95% 区间半宽 2.8 个百分点。Fable 5.1（max）配 Claude Code 是 57.9%，半宽 3.8 个百分点，两行的区间叠在一起。编程产品见 AI 编程助手。人气盲测见 大语言模型综合能力。接口标价见 大模型 API 价格。

Terminal-Bench 4.0 官方榜

这一表是该榜当时全部 27 行。并列名次按原榜保留。花费是这次评测的总账单，按 total_cost_usd 四舍五入到美元。GLM-5.3（max）配 Claude Code 排在第 16，解决率 41.8%。Grok 4.7（xhigh）配 Grok Build 的提交日是 2026-09-21，解决率 37.6%。

SWE-bench Verified：同一代理 mini-SWE-agent 2.0.0

官方总榜把不同代理叠在一起。下面只留 bash-only、且代理版本为 mini-SWE-agent 2.0.0 的提交，再按解决率从高到低排。Claude 4.5 Opus（high）76.80%，平均花费 $0.75，提交日 2026-02-17。MiniMax M2.5（high）和 Gemini 3 Flash（high）都是 75.80%。Kimi K2.5（high）70.80%，平均 $0.15。DeepSeek V3.2（high）70.00%。

LiveCodeBench 默认窗口（止于 2025-05-01）

默认榜写出 454 题，题目日期从 2024-08-01 到 2025-05-01。o4-mini（high）Pass@1 为 80.2，Easy 99.1，Hard 63.5。DeepSeek-R1-0528 排在第 5，Pass@1 为 73.1。这张表的模型代际停在窗口截止日，后面发布的 Astra、Fable 5.1、Opus 5 不在上面。

这篇怎么排

整理日 2026-09-24。主表是 Terminal-Bench 页内标题为 Terminal-Bench 4.0 的官方榜，榜单记录更新于 2026-09-21。27 行全部收录。解决率、95% 区间半宽、花费、Token、提交日从该榜 JSON 照抄。花费取 total_cost_usd，四舍五入到美元。第二张表只收 SWE-bench Verified、bash-only、代理为 mini-SWE-agent 2.0.0 的行，按解决率从高到低重排，名次是这 12 行内部的顺序。第三张表是 LiveCodeBench 默认窗口，题目日期 2024-08-01 至 2025-05-01，共 454 题，模型代际停在 2025 年 5 月，不并进主表。