02 · 任务榜单

编程与调试

实现、缺陷分析、测试和技术取舍。

官方版本
3
公开数据
1
数据截止日
为什么选择这些候选
以公开的客观任务数据作为起点,同时加入一个编程专用官方版本进行实测。
仍需验证的部分
客观任务榜单并非编程专项;代码库上下文和工具权限会改变结果。
起始候选

三个值得优先测试的官方版本

公开数据可以缩小范围,但不能代替在真实工作中的受控测试。 选择两个或三个候选,查看并列的公开数据。

0 / 3
起始候选 1

GPT-5.6 Sol

全面可用
gpt-5.6-sol

OpenAI客观任务 · 2

模型官网
起始候选 2

Claude Opus 4.8

全面可用
claude-opus-4-8

Anthropic目前没有映射到这个具体版本的可比公开结果。

模型官网
起始候选 3

Qwen3 Coder Plus

全面可用
qwen3-coder-plus-2025-09-23

Alibaba Qwen目前没有映射到这个具体版本的可比公开结果。

模型官网
全部任务榜单
公开数据不同公开数据使用不同量尺。缺失数据不会按 0 计算,不同来源也不会被合并成一个分数。

Claude Opus 4.8

目前没有映射到这个具体版本的可比公开结果。

Qwen3 Coder Plus

目前没有映射到这个具体版本的可比公开结果。

这是实测起点,不是万能冠军选择两个或三个候选,查看并列的公开数据。

不同公开数据使用不同量尺。缺失数据不会按 0 计算,不同来源也不会被合并成一个分数。

客观任务榜单并非编程专项;代码库上下文和工具权限会改变结果。

系统会预选本任务模板和前两个已选候选;收集回答前可以编辑全部任务。