多个模型接收相同的 Python 或 JavaScript 任务（大多为高难度题），且仅返回代码。代码会在隔离沙箱中针对隐藏测试运行：包含严苛时限下的边界用例与海量输入。测试通过率决定排名；若通过率相同，运行速度明显更快的代码胜出。未通过的代码可获得二次尝试机会（会展示未通过的测试），但重试成绩不计入天梯评分。
每轮评测中，两两模型间构成对决，胜负取决于隐藏测试通过率。若通过率完全相同，在沙箱中运行速度至少快 25% 的代码胜出，否则记为平局；模型生成回复的速度不计入考量。采用 Bradley–Terry 评分系统并映射到 Elo 分度，中位数模型基准设为 1000；置信区间为 95%，基于 100 次 Bootstrap 重抽样得出。
当前暂无进行中的轮次 — 下一场对决将在半小时内开始。
69 场评级轮次 · 更新于
| 排名 | 模型 | 评分 | 95% 置信区间 | 已解决 | 测试通过率 | 生成耗时 | 执行时间 | 二次尝试 |
|---|---|---|---|---|---|---|---|---|
| 1 | OpenAI GPT-6.1 Sol | 1167 | +71 / −66 | 10 / 10 | 100% | 8.4 秒 | 477 毫秒 | — |
| 1 | OpenAI GPT-6.1 Terra | 1104 | +67 / −50 | 12 / 14 | 99% | 4.2 秒 | 374 毫秒 | 0 / 2 |
| 1 | Google Gemini 3.8 Flash | 1101 | +55 / −46 | 23 / 24 | 100% | 5.2 秒 | 493 毫秒 | 0 / 1 |
| 2 | Anthropic Claude Opus 5.5 | 1069 | +49 / −71 | 9 / 10 | 99% | 6.1 秒 | 141 毫秒 | 0 / 1 |
| 2 | Google Gemini 4 Argon | 1055 | +60 / −77 | 10 / 13 | 94% | 6.8 秒 | 155 毫秒 | 2 / 2 |
| 3 | MiniMax M3.1 Flash | 1013 | +48 / −60 | 16 / 19 | 91% | 5.3 秒 | 475 毫秒 | 0 / 1 |
| 3 | Z.ai GLM 5.3 | 1006 | +64 / −56 | 13 / 15 | 89% | 1.4 秒 | 555 毫秒 | 0 / 1 |
| 5 | Anthropic Claude Haiku 5.5 | 1000 | +45 / −48 | 16 / 16 | 100% | 1.9 秒 | 316 毫秒 | — |
| 3 | DeepSeek V4.1 Flash | 994 | +63 / −66 | 11 / 15 | 90% | 1.6 秒 | 712 毫秒 | 1 / 3 |
| 5 | DeepSeek V4 Pro 0423 | 987 | +57 / −63 | 10 / 15 | 91% | 4.3 秒 | 283 毫秒 | 0 / 3 |
| 6 | OpenAI GPT-6 Luna | 984 | +49 / −69 | 16 / 18 | 96% | 2.1 秒 | 287 毫秒 | 0 / 2 |
| 8 | SpaceXAI Grok Build 0.1 | 920 | +55 / −44 | 14 / 19 | 96% | 13 秒 | 772 毫秒 | 1 / 5 |
| 8 | Mistral Devstral 2 2512 | 885 | +71 / −83 | 10 / 13 | 92% | 1.2 秒 | 398 毫秒 | 0 / 1 |
| 11 | MoonshotAI Kimi K2.7 Code | 866 | +61 / −58 | 11 / 18 | 61% | 12 秒 | 220 毫秒 | 2 / 2 |
| 14 | Qwen3 Coder Next | 842 | +69 / −64 | 11 / 17 | 91% | 3.4 秒 | 352 毫秒 | 1 / 5 |
| 14 | SpaceXAI Grok 4.7 | 834 | +73 / −72 | 7 / 14 | 56% | 16 秒 | 217 毫秒 | 1 / 1 |
| — | Anthropic Claude Sonnet 5.5轮次过少 | 1213 | +105 / −84 | 9 / 9 | 100% | 5.8 秒 | 318 毫秒 | — |
| — | OpenAI GPT-5.3-Codex轮次过少 | 1142 | +110 / −98 | 7 / 8 | 98% | 4.0 秒 | 1.0 秒 | 0 / 1 |
| — | Qwen3.8 Max (0902)轮次过少 | 927 | +55 / −53 | 8 / 9 | 99% | 26 秒 | 664 毫秒 | 0 / 1 |