编程 · %
LiveCodeBench
持续从 LeetCode、AtCoder、Codeforces 收集带发布日期的编程题，可以只用模型训练截止日之后的新题来评分。
测什么
代码生成 pass@1。本站对官方逐题结果中 2025-01-01 及以后的题目求平均。
局限
公开榜单文件自 2025 年 8 月起没有更新，缺少新模型；本站的时间窗平均值与官网默认视图可能略有差异。
数据污染风险: 低
按时间窗选题，设计上降低污染。
排行
22 个模型
| # | 模型 | 厂商 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|---|---|
| 1 | o4-mini | OpenAI | 75.8% | 1 | Code generation, 182 problems dated 2025-01-01…2025-04-07“O4-Mini (High)” | 官方榜单 | 2025年4月7日 |
| 2 | Gemini 2.5 Pro (Jun 2025) | 74.2% | 2 | Code generation, 182 problems dated 2025-01-01…2025-04-07“Gemini-2.5-Pro-06-05” | 官方榜单 | 2025年4月7日 | |
| 3 | o3 | OpenAI | 72.0% | 3 | Code generation, 182 problems dated 2025-01-01…2025-04-07“O3 (High)” | 官方榜单 | 2025年4月7日 |
| 4 | DeepSeek-R1 (May 2025)OW | DeepSeek | 70.5% | 4 | Code generation, 182 problems dated 2025-01-01…2025-04-07“DeepSeek-R1-0528” | 官方榜单 | 2025年4月7日 |
| 5 | Gemini 2.5 Pro (May 2025) | 68.1% | 5 | Code generation, 182 problems dated 2025-01-01…2025-04-07“Gemini-2.5-Pro-05-06” | 官方榜单 | 2025年4月7日 | |
| 6 | OpenReasoning-Nemotron-32BOW | NVIDIA | 66.6% | 6 | Code generation, 182 problems dated 2025-01-01…2025-04-07 | 官方榜单 | 2025年4月7日 |
| 7 | EXAONE-4.0-32B | — | 66.6% | 6 | Code generation, 182 problems dated 2025-01-01…2025-04-07 | 官方榜单 | 2025年4月7日 |
| 8 | Grok-3 mini | xAI | 62.6% | 8 | Code generation, 182 problems dated 2025-01-01…2025-04-07“Grok-3-Mini (High)” | 官方榜单 | 2025年4月7日 |
| 9 | OpenCodeReasoning-Nemotron-1.1-32BOW | NVIDIA | 62.4% | 9 | Code generation, 182 problems dated 2025-01-01…2025-04-07 | 官方榜单 | 2025年4月7日 |
| 10 | XBai-o4-medium | — | 60.4% | 10 | Code generation, 182 problems dated 2025-01-01…2025-04-07 | 官方榜单 | 2025年4月7日 |
| 11 | Gemini 2.5 Flash (May 2025) | 59.3% | 11 | Code generation, 182 problems dated 2025-01-01…2025-04-07“Gemini-2.5-Flash-05-20” | 官方榜单 | 2025年4月7日 | |
| 12 | Qwen3-235B-A22BOW | Alibaba (Qwen) | 59.3% | 11 | Code generation, 182 problems dated 2025-01-01…2025-04-07 | 官方榜单 | 2025年4月7日 |
| 13 | Gemini 2.5 Flash (Apr 2025) | 56.6% | 13 | Code generation, 182 problems dated 2025-01-01…2025-04-07“Gemini-2.5-Flash-04-17” | 官方榜单 | 2025年4月7日 | |
| 14 | o3-mini | OpenAI | 51.1% | 14 | Code generation, 182 problems dated 2025-01-01…2025-04-07“O3-Mini-2025-01-31 (Low)” | 官方榜单 | 2025年4月7日 |
| 15 | Claude Opus 4 | Anthropic | 51.1% | 14 | Code generation, 182 problems dated 2025-01-01…2025-04-07“Claude-Opus-4 (Thinking)” | 官方榜单 | 2025年4月7日 |
| 16 | Claude Sonnet 4 | Anthropic | 48.9% | 16 | Code generation, 182 problems dated 2025-01-01…2025-04-07“Claude-Sonnet-4 (Thinking)” | 官方榜单 | 2025年4月7日 |
| 17 | Claude 3.5 Sonnet | Anthropic | 34.8% | 17 | Code generation, 182 problems dated 2025-01-01…2025-04-07“Claude-3.5-Sonnet-20241022” | 官方榜单 | 2025年4月7日 |
| 18 | GPT-4o (May 2024) | OpenAI | 28.4% | 18 | Code generation, 182 problems dated 2025-01-01…2025-04-07“GPT-4O-2024-08-06” | 官方榜单 | 2025年4月7日 |
| 19 | GPT-4 Turbo (Nov 2023) | OpenAI | 27.9% | 19 | Code generation, 182 problems dated 2025-01-01…2025-04-07“GPT-4-Turbo-2024-04-09” | 官方榜单 | 2025年4月7日 |
| 20 | GPT-4o mini | OpenAI | 26.7% | 20 | Code generation, 182 problems dated 2025-01-01…2025-04-07“GPT-4O-mini-2024-07-18” | 官方榜单 | 2025年4月7日 |
| 21 | Claude 3 Haiku | Anthropic | 23.9% | 21 | Code generation, 182 problems dated 2025-01-01…2025-04-07“Claude-3-Haiku” | 官方榜单 | 2025年4月7日 |
| 22 | DeepSeek-V3OW | DeepSeek | 14.9% | 22 | Code generation, 182 problems dated 2025-01-01…2025-04-07 | 官方榜单 | 2025年4月7日 |
数据来源与许可
| 来源 | 许可 / 条款 | 本站使用方式 | 最近抓取 |
|---|---|---|---|
| LiveCodeBench leaderboard LiveCodeBench (Jain et al.), livecodebench.github.io | No explicit licence on the site repo (benchmark code MIT) – factual scores only, with citation | 无明确许可：只收事实性分数并注明出处 | 2026年10月22日 |
常见问题
LiveCodeBench 测的是什么？
持续从 LeetCode、AtCoder、Codeforces 收集带发布日期的编程题，可以只用模型训练截止日之后的新题来评分。 代码生成 pass@1。本站对官方逐题结果中 2025-01-01 及以后的题目求平均。
LiveCodeBench 的结果可靠吗？
公开榜单文件自 2025 年 8 月起没有更新，缺少新模型；本站的时间窗平均值与官网默认视图可能略有差异。 数据污染风险: 低 – 按时间窗选题，设计上降低污染。