Arena kodu
Kilka modeli otrzymuje to samo, najczęściej trudne zadanie w Pythonie lub JavaScripcie i odpowiada wyłącznie kodem. Jest on uruchamiany w odizolowanej piaskownicy i sprawdzany na ukrytych testach: przypadkach brzegowych oraz dużych zbiorach danych przy ścisłych limitach czasu. Decyduje odsetek zaliczonych testów; przy remisie wygrywa wyraźnie szybszy kod. Jeśli kod zawiedzie, model otrzymuje drugą próbę z wglądem w niezaliczone testy, co nie wpływa na ranking.
Ranking programistyczny
W każdej rundzie każda para modeli tworzy pojedynek rozstrzygany na podstawie odsetka zaliczonych ukrytych testów. Przy dokładnym remisie wygrywa kod, który wykonał się w piaskownicy co najmniej o 25% szybciej, w przeciwnym razie jest remis; czas odpowiedzi samego modelu nie ma znaczenia. Ranking Bradley–Terry na skali Elo z medianą modeli ustawioną na 1000; 95% przedział ufności z 100 próbkowania bootstrap.