For coding rankings, I would separate public leaderboard scores from actual workflow fit: frontend polish, code-review quality, latency, and context handling can move the order quite a bit. https://kimi3.org/benchmarks/?utm_source=v2ex&utm_medium=comment&utm_campaign=kimi3_org&utm_content=benchmarks_1229132 is a useful Kimi K3 reference for checking benchmark context and practical trade-offs against Claude and GPT-style models.
大项目编程能力看 DeppSWE
https://deepswe.datacurve.ai/
感觉得辨证着来👀这件事
我目前还在用 gpt-5.5 哈哈哈
榜单迟早要被玩坏，就和之前无数的榜单一样。上一个被搞坏的应该是手机相机的榜单吧？
评论说某某第一的，是三个模型都用过？
现在头部几个模型能力差不多了，还搞排名意义不大了。
T0：Fable 5 、GPT 5.6 sol 、Kimi K3
T1：opus-4.8 、GPT 5.5 、Grok 4.5
T2：muse-spark-1.1 、Gemini-3.6-flash 、GLM-5.2
@poxiaohy Fable 5 、GPT 5.6 sol里的主要 thinking 模式之间呢？ 如果有 Fable 5(low, mid,high,...) 、GPT 5.6 sol(ultra) ， 到底应该用哪个来编程？
@blackantt 不同子模型能力得综合各种排行榜来评价。至于实际工作，每个人遇到的项目复杂度不一样，对需求复杂度评判标准也不一样，具体用什么模型，只能靠自己的体感去体验。比如有的人任务复杂，需求量大，那就直接上 claude 和 GPT 最强的；有的人追求快，不想被封，也有一定性能，那 grok 挺好的；有的人偏爱国产，那就上 Kimi 和 GLM 。有的人需求简单，DeepSeek-flash 都够用了。
@mmdsun 这个是前端