榜单当时列出 GPT-6.2 Astra(Max)第 3,评分 1,797 ± 34,排名区间 1–9;其分数高于 GPT-6.2 Sol(Max)26 分、高于 GPT-6 Astra(Max)34 分,但置信区间较宽,不能据此断言模型间存在稳定差距。
适合判断的任务:Arena WebDev 排行榜收录模型在网页应用开发对战中的相对表现。
不适合外推的任务:所有编程、前端工程质量、代码正确率、生产项目表现或不同工具与提示配置下的模型能力。
适用的模型版本:GPT-6.2 Astra(Max)。
测试环境或客户端:Arena.ai Code Arena | WebDev;页面未披露具体 harness、任务集和模型调用参数。
推理档位和参数:Max;其余生成参数未注明。
榜单将结果呈现为模型间 A/B 对战胜率,相关图表明确注明平局不计入胜率;另列每个模型对各对手的平均胜率、各模型对战次数,以及通过 bootstrap 计算的模型强度置信区间。页面标题将 WebDev 描述为“哪种模型最擅长构建 Web 应用”,并显示 1 AutoEval。页面没有说明具体任务抽样、盲测流程、裁判规则、评分公式或 Astra 的逐场样本构成,因此这些细节不能从汇总分数推定。
| 模型与档位 | 排名 | 评分 | 与 Astra 的分差 |
|---|---|---|---|
| Claude Fable 5.2(xHigh) | 1 | 1,824 | +27 |
| Claude Opus 5.5(Max) | 2 | 1,818 | +21 |
| GPT-6.2 Astra(Max) | 3 | 1,797 ± 34 | — |
| Claude Sonnet 5.5(xHigh) | 4 | 1,773 | −24 |
| GPT-6.2 Sol(Max) | 5 | 1,771 | −26 |
| GPT-6 Astra(Max) | 8 | 1,763 | −34 |
模型详情列出 Astra 的排名 spread 为 1–9、模型票数为 383、榜单更新时间为 2026-11-18。排行榜首页显示总票数 1,027,059。首页显示 162 个模型,详情页则写 Astra 排名为 161 个模型中的第 3 名;页面计数存在差异,本文保留两处原值。
Arena WebDev leaderboard, collected 2026-11-19
GPT-6.2 Astra (Max): rank #3, score 1,797 ± 34, rank spread 1–9
Model votes: 383; ranking updated: Nov 18, 2026
Leaderboard total: 1,027,059 votes
Leaderboard model count: 162; model detail denominator: 161
1 Claude Fable 5.2 (xHigh): 1,824
2 Claude Opus 5.5 (Max): 1,818
4 Claude Sonnet 5.5 (xHigh): 1,773
5 GPT-6.2 Sol (Max): 1,771
8 GPT-6 Astra (Max): 1,763这是一份 2026-11-19 采集的动态榜单快照。该快照把 Astra Max 排在第 3,位于 Claude Opus 5.5 Max 之后、Claude Sonnet 5.5 xHigh 之前;Astra 的分数区间和排名 spread 显示排名有不确定性。分差只描述该榜单当时的结果,不能替代实际项目测试,也不能外推到非 WebDev 任务。总票数与模型详情页票数口径未在页面解释;两处模型总数也不一致。
访问 Arena Code Arena | WebDev,查看 GPT-6.2 Astra(Max)榜单详情与同页排名图表。榜单会更新;重访时应记录新的采集日期、排名更新时间、总票数和分数,不能将其视为固定成绩。公开页面未提供题目、逐场数据和完整调用配置,无法据此重跑同一组测试。
GPT-6.2 Astra