機(jī)器之心報(bào)道

編輯：冷貓、+0

大模型編程最近太猛了。

自從編碼成了大模型的核心能力后，各大模型廠商都卷得要命，從卷模型參數(shù)和性能，到卷開發(fā)工具鏈，編碼能力的提升，簡(jiǎn)直是一場(chǎng)軍備競(jìng)賽。

近幾個(gè)月以來(lái)，以 Claude 4.5、GLM-4.6、kimi-k2 等為代表的編碼模型，都具備了執(zhí)行復(fù)雜項(xiàng)目開發(fā)，構(gòu)建真實(shí)應(yīng)用程序的能力。

卷模型能力只是個(gè)開始，各大廠商也已全面進(jìn)軍智能編碼產(chǎn)品，各類 IDE 產(chǎn)品層出不窮。就連服務(wù)套餐也開始卷出「和 AI 砍價(jià)」的新花樣，智能編程領(lǐng)域逐漸成為了新的紅海。

在模型能力飛漲的情況下，業(yè)界知名的大模型公共基準(zhǔn)測(cè)試平臺(tái) LMArena 也敏銳地意識(shí)到，「問(wèn)題已經(jīng)不再是模型能否編寫代碼，而是它如何端到端構(gòu)建真實(shí)應(yīng)用程序。」

這個(gè)匯集了全球數(shù)百萬(wàn)用戶真實(shí)反饋的「盲測(cè)」競(jìng)技場(chǎng)，其榜單排名已成為各大 AI 公司新模型宣發(fā)時(shí)彰顯實(shí)力的「標(biāo)配」。

就在今天，LMArena 做出了今年最大的更新，發(fā)布了新世代大模型編碼評(píng)估系統(tǒng)：Code Arena，這可以說(shuō)是編程大模型能力評(píng)估領(lǐng)域的重大事件。

曾經(jīng)大模型編碼的「黃金標(biāo)準(zhǔn)」WebDev Arena 是首個(gè)引入大規(guī)模、人機(jī)協(xié)同的 AI 編碼基準(zhǔn)測(cè)試的榜單。開發(fā)者可以觀察模型構(gòu)建真實(shí)應(yīng)用程序、與輸出交互并對(duì)性能進(jìn)行投票，使評(píng)估過(guò)程更具參與性和透明度。

相比于舊時(shí)代的 WebDev Arena 編碼榜單，Code Arena 從底層重構(gòu)而成，它不僅評(píng)估代碼是否能運(yùn)行，更評(píng)估其性能表現(xiàn)、交互自然度，以及對(duì)設(shè)計(jì)意圖的忠實(shí)程度。

最重要的是，這個(gè)新系統(tǒng)測(cè)量的是「代碼的動(dòng)態(tài)過(guò)程」—— 捕捉模型在真實(shí)開發(fā)條件下如何思考、規(guī)劃與構(gòu)建的全過(guò)程。這不是靜態(tài)基準(zhǔn)測(cè)試。這是在真實(shí)世界中由真實(shí) Arena 用戶進(jìn)行的實(shí)際評(píng)估

Code Arena 的發(fā)布，標(biāo)志著大模型編碼評(píng)估標(biāo)準(zhǔn)的又一次進(jìn)化，重塑了大模型評(píng)估的標(biāo)桿。

在這個(gè)全新的榜單里，我們驚喜地發(fā)現(xiàn)，國(guó)產(chǎn)大模型智譜 GLM-4.6 赫然列于榜首，超越了 Gemini 和 Grok，與 Claude、GPT-5 并列排名第一

智譜 GLM-4.6 于9 月 30 日發(fā)布，一登場(chǎng)便以媲美 Claude Sonnet 4 的卓越編碼能力，成為彼時(shí)的「國(guó)內(nèi)最強(qiáng) Coding 模型」。

時(shí)隔一個(gè)半月，GLM-4.6 的 Coding 能力仍能在最新發(fā)布的編程評(píng)估榜單中，與 Claude、GPT-5 并列第一，持續(xù)領(lǐng)跑全球第一梯隊(duì)，足見其穩(wěn)定，超前的編碼能力。

事實(shí)上，其實(shí)力早已得到驗(yàn)證。

10 月初，就在 GLM 4.6 發(fā)布幾天后，編程智能體 Cline 的產(chǎn)品經(jīng)理 Nick Baumann 發(fā)帖表示，根據(jù) Cline 遙測(cè)數(shù)據(jù)對(duì)數(shù)百萬(wàn)次「diff edits」（代碼修改）操作的分析，zAI 的 GLM-4.6 模型達(dá)到了 94.9% 的成功率，而 Anthropic 的 Claude Sonnet 4.5 成功率為 96.2%。

他認(rèn)為，這一數(shù)據(jù)意義重大，因?yàn)榫驮谌齻€(gè)月前，（開放）開源模型與頂尖閉源模型在同類任務(wù)上的性能差距還高達(dá) 5 到 10 個(gè)百分點(diǎn)。而現(xiàn)在，這個(gè)差距已經(jīng)縮小到了「基點(diǎn)」（basis points），表明兩者在最困難的編碼任務(wù)之一上的能力正在迅速趨同。

此外，Baumann 提到 Cline 的社區(qū)用戶中已經(jīng)出現(xiàn)了轉(zhuǎn)向使用 GLM-4.6 完成日常工作的熱潮。

有趣的是，AI 編程獨(dú)角獸 Cognition 近期推出的最新 AI 模型 SWE-1.5，被質(zhì)疑是基于 GLM 4.6 模型進(jìn)行定制（精調(diào) / 強(qiáng)化學(xué)習(xí)），并運(yùn)行在全球最大的 AI 推理芯片公司 Cerebras 的硬件上。

有人對(duì) SWE 1.5 進(jìn)行了大模型「越獄」，結(jié)果模型直接回答自己是智譜 AI 開發(fā)的 GLM 大模型。

而值得一提的是，Cerebras 決定將 GLM-4.6 作為默認(rèn)推薦模型，其在給所有用戶的郵件中表示：qwen-3-coder-480b 將于 2025 年 11 月 5 日被停止使用，同時(shí)推出 GLM-4.6 作為新的基座模型。

以上 GLM-4.6 的光輝戰(zhàn)績(jī)，不僅證明了其作為開源世界「最強(qiáng) Coding 模型」受到廣泛認(rèn)可，更讓業(yè)界再次見證了國(guó)產(chǎn)大模型的硬核實(shí)力。

正如 Cline 產(chǎn)品經(jīng)理所觀察到的，從幾個(gè)月前的「5 到 10 個(gè)百分點(diǎn)」差距，到如今的「基點(diǎn)」之差，這背后是國(guó)產(chǎn)力量從「追趕」到「并跑」乃至「領(lǐng)跑」的驚人加速度。

在過(guò)去由 Llama 系列主導(dǎo)的開源開放生態(tài)中，以 DeepSeek、Qwen、GLM、Kimi 等為代表的中國(guó)開源模型，正憑借其卓越的性能和極高的成本效益，成為全球 AI 開發(fā)者的新選擇。

這，正是國(guó)產(chǎn)大模型力量崛起的最佳注腳。

https://x.com/nickbaumann_/status/1973846157886697771

https://x.com/arena/status/1988665199000498369

https://news.lmarena.ai/code-arena/