PostTrainBench编程

PostTrainBench 评估, 1M 上下文, max effort, 128K 输出 tokensPostTrainBench 评估模型在后训练阶段（指令微调、RLHF 等）之后的编程能力提升幅度。通过对比基座模型与训练后模型在各类编程任务上的表现差异，量化后训练算法对编程能力的实际增益效果与影响。

排行数据源

#模型得分

1

Claude Opus 4.7Anthropic

42.4%

2

Claude Fable 5Anthropic

41.8%

3

GLM-5.3智谱AI

39.8%

4

GPT-5.5OpenAI

39.3%

5

Claude Opus 4.8Anthropic

37.2%

6

MiniMax M3MiniMax

37.1%

7

Kimi K3月之暗面

36.6%

8

GPT-5.6 SolOpenAI

36.2%

9

GLM-5.2智谱AI

34.3%

10

Gemini 3.1 ProGoogle

21.6%

共 12 个模型

返回基准目录