Code Arena: Frontend
arena.ai 前端开发人类偏好对战榜单
基本信息
30 秒看懂
arena.ai 前端开发人类偏好对战榜：Elo 制（榜首约 1690 分），分数来自人类盲测投票、反映主观偏好而非客观正确率——读分看相对位次与差距，不要当正确率用。
采用格局：字节 Seed 引用
评分协议
这个评测的官方统一评分协议还没收录到本页；各厂商实际使用的执行框架（harness）与推理档位（effort）已逐条写在下方引用卡里。
可比性提示：同一评测的分数是「实验配置」的产物：只要评测版本（variant）、执行框架（harness）、推理档位（reasoning effort）、工具、采样参数、运行次数或聚合方式有任何一项不同，数字就不能直接横向比较。下方各厂商的分数如未写明协议细节，请只当作方向参考。
模型发布采用时间轴
共收录 2 场模型发布 · 按发布时间倒序排列 · 数据更新于 2026-09-20
2026
2026-09-02
Alibaba / Qwen·国内
参数2.4T（激活 95B）MoE上下文1M价格¥12/¥36 每百万 tokens · 千问AI平台模型页定价区 DOM 明示：输入 ¥12/M、输出 ¥36/M，另有输入缓存命中 ¥1.5/M、显式缓存创建 ¥15/M、显式缓存命中 ¥1/M（每百万 tokens）；最大输入 991K / 最大输出 131K（思考模式 983K / 131K），TPM 1M。微博公告另引 CodeArena 性价比榜（帕累托前沿）：新版本每百万 Tokens 综合平均约 5 美元——综合均价口径（榜单图 tooltip 视觉读数 $5.00/M blended, 3:1 ratio），非 input/output 拆分价，与平台挂牌价两口径并存未做换算调和。模态文本·图像·视频
千问官方将 Qwen3.8-Max-0902 定位为 Qwen3.8-Max 围绕编程（Coding）与专业办公（Cowork）进一步后训练的升级版本，更适合企业真实复杂任务、科研与长周期任务。本次发布已收录评测为第三方 CodeArena 前端编程总榜一行：提升 22 分至 1691（Elo）夺冠，公告并引该榜性价比（帕累托前沿）称每百万 Tokens 综合均价约 5 美元。
Coding 与 Cowork 后训练强化企业复杂任务与长周期任务1M 上下文内置工具生态（代码解释器/以图搜图）
查看模型变体与证据
Code Arena 1691
2026-06-23
ByteDance Seed / 豆包·国内
本发布含 3 个变体，各变体规格见模型详情。
字节 Seed2.1 发布将 Pro 定位为系列最高档，官方称评估优先考察真实工作流表现而非静态榜单分数。已收录评测横跨通用 Agent、编码、多模态与视频理解：亮点 GDPval 87.9、OSWorld 78.8。
Pro 档Agent 向多模态视频理解
查看模型变体与证据
Seed2.1 Pro · Code Arena 1539
数据缺口（本页暂未收录）
- 评测版本与子集（例如部分评测有 Diamond、Verified 等官方变体）以及数据集规模
- 各厂商使用的执行框架（harness / scaffold）与 Agent 工具配置
- 推理档位（reasoning effort）、采样参数（temperature / top-p）、运行次数与分数聚合方式
- 指标对应的随机猜测基线（chance baseline）与人类基线的实验条件
- 测试集污染检测结论，以及是否已饱和的结构化标注
以上字段暂缺时，本页不虚构数字；后续会依据每一次发布的证据逐条补齐并标注来源。
复现入口
引用
本页数据更新于 2026-09-20，依据厂商发布材料真实抓取；发现数据问题欢迎在 GitHub 提 Issue。