ProgramBench
Vals AI / 编程 · 只给可执行文件，从零重写出行为相同的程序。
在 裕瑞产业情报 中参与排名
证据预算NaN%
上游数据时间10/12 08:00
最近成功同步10/23 20:06
它测什么，怎么测
取 Vals 专项页 Overall 通过率。同一型号按最高推理档位选代表配置，选择不看分数。
如何使用这份证据
计分：编程领域的程序重建一类。
评测成绩
同一模型测了多个档位时，按固定规则只取一套代表成绩；没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示，名次照搬原榜，每项最多列 30 个。
| 原榜名次 | 原榜型号 | 原始成绩 | 代表配置 |
|---|---|---|---|
| 1 | anthropic/claude-opus-5-5Anthropic | 18.5% | Max 推理 |
| 2 | anthropic/claude-fable-5-1Anthropic | 7.0% | Max 推理 |
| 3 | anthropic/claude-sonnet-5-5Anthropic | 6.5% | Max 推理 |
| 4 | openai/gpt-6-astraOpenAI | 5.5% | Max 推理 |
| 5 | anthropic/claude-opus-5Anthropic | 3.0% | Max 推理 |
| 5 | openai/gpt-6.1-solOpenAI | 3.0% | Max 推理 |
| 7 | meta/muse_spark_1_3_maxMeta | 2.5% | Max 推理 |
| 7 | anthropic/claude-haiku-5-5Anthropic | 2.5% | Max 推理 |
| 7 | google/gemini-4-argonGoogle | 2.5% | High 推理 |
| 10 | anthropic/claude-fable-5Anthropic | 2.0% | Max 推理 |
| 10 | kimi/kimi-k3Moonshot AI | 2.0% | 来源默认配置 |
| 10 | openai/gpt-6-solOpenAI | 2.0% | Max 推理 |
| 13 | openai/gpt-5.6-solOpenAI | 1.5% | Max 推理 |
| 13 | zai/glm-5.3Z.ai | 1.5% | Max 推理 |
| 15 | google/gemini-3.8-flashGoogle | 1.0% | High 推理 |
| 15 | grok/grok-4.6xAI | 1.0% | High 推理 |
| 15 | anthropic/claude-opus-4-8Anthropic | 1.0% | Max 推理 |
| 18 | zai/glm-5.2Z.ai | 0.5% | Max 推理 |
| 18 | xiaomi/mimo-v2.6-flashXiaomi | 0.5% | 来源默认配置 |
| 18 | deepseek/deepseek-v4.1-flashDeepSeek | 0.5% | Max 推理 |
| 18 | thinkingmachines/inkling-smallThinking Machines Lab | 0.5% | 来源默认配置 |
| 18 | grok/grok-4.7xAI | 0.5% | xHigh 推理 |
| 18 | openai/gpt-6-lunaOpenAI | 0.5% | Max 推理 |
| 18 | openai/gpt-5.5OpenAI | 0.5% | xHigh 推理 |
| 18 | meta/muse-wonder-fullMeta | 0.5% | Max 推理 |
| 18 | meta/muse_spark_1_2Meta | 0.5% | xHigh 推理 |
| 18 | anthropic/claude-sonnet-4-6Anthropic | 0.5% | Max 推理 |
| 18 | openai/gpt-5.6-terraOpenAI | 0.5% | Max 推理 |
| 18 | xiaomi/mimo-v2.6-proXiaomi | 0.5% | 来源默认配置 |
| 32 | poolside/laguna-xs.2poolside | 0.0% | 来源默认配置 |
评测局限与数据署名
Vals 公布每次运行有多少题被厂商接口转给了同厂商的旧型号：有回退的成绩照常计入并在模型页标注，受影响题目过半的不计。同属 Vals 的几项评测不能当作多家独立机构。
数据许可：官方公开结果；公开再展示保留官方署名，完整再分发授权仍以 Vals 条款为准
成绩由 Vals AI 发布。各项评测的原始分数尺度不同，不能直接相加；AIHOT 按公开规则把它们折算成同一种分数。