Rankings

Arena.ai leaderboards: Elo op basis van blind head-to-head stemmen. Kies een categorie.

Code

Codegeneratie, debugging en agentic coding.

25 mei 2026, 06:07

20 modellen

#	Model	Elo	±	Stemmen
	claude-opus-4-7-thinking Anthropic · Proprietary ±10 · 4.5k stemmen	1567	±10	4.5k
	claude-opus-4-7 Anthropic · Proprietary ±10 · 4.2k stemmen	1560	±10	4.2k
	claude-opus-4-6-thinking Anthropic · Proprietary ±8 · 7.2k stemmen	1545	±8	7.2k
4	claude-opus-4-6 Anthropic · Proprietary ±8 · 8.2k stemmen	1540	±8	8.2k
5	glm-5.1 Z.ai · Open weights ±11 · 3.6k stemmen	1532	±11	3.6k
6	claude-sonnet-4-6 Anthropic · Proprietary ±7 · 10.4k stemmen	1524	±7	10.4k
7	kimi-k2.6 Moonshot · Open weights ±11 · 3.4k stemmen	1519	±11	3.4k
8	muse-spark Meta · Proprietary ±16 · 1.6k stemmen	1509	±16	1.6k
9	gemini-3.5-flash Google · Proprietary ±14 · 2.1k stemmen	1507	±14	2.1k
10	gpt-5.5-xhigh (codex-harness) OpenAI · Proprietary ±11 · 3.5k stemmen	1503	±11	3.5k
11	qwen3.6-max-preview Alibaba · Proprietary ±14 · 2.1k stemmen	1491	±14	2.1k
12	claude-opus-4-5-20251101-thinking-32k Anthropic · Proprietary ±7 · 13.1k stemmen	1490	±7	13.1k
13	gpt-5.5-high (codex-harness) OpenAI · Proprietary ±11 · 3.7k stemmen	1480	±11	3.7k
14	mimo-v2.5-pro Xiaomi · Open weights ±10 · 4.1k stemmen	1471	±10	4.1k
15	claude-opus-4-5-20251101 Anthropic · Proprietary ±6 · 15.3k stemmen	1467	±6	15.3k
16	qwen3.6-plus Alibaba · Proprietary ±9 · 5.4k stemmen	1461	±9	5.4k
17	deepseek-v4-pro-thinking DeepSeek · Open weights ±11 · 3.3k stemmen	1459	±11	3.3k
18	gpt-5.4-high (codex-harness) OpenAI · Proprietary ±17 · 1.5k stemmen	1457	±17	1.5k
19	gemini-3.1-pro-preview Google · Proprietary ±7 · 9.6k stemmen	1450	±7	9.6k
20	gpt-5.5 (codex-harness) OpenAI · Proprietary ±11 · 3.4k stemmen	1440	±11	3.4k

Elo-score op basis van blind head-to-head stemmen. Hoger is beter. ± is het 95% betrouwbaarheidsinterval. Zelfde formaat als Arena.ai.

Bron op Arena.ai