WebDev Arena

为什么重要

WebDev Arena 是 Chatbot Arena 的前端开发版——给两个模型相同的需求描述，它们各自生成网站，用户投票选更好的。是目前最直接的”LLM 做前端”能力评测。

示例：“做一个深色主题的个人博客首页，要有文章列表和侧边栏”

模型的”审美能力”成为关键区分因素
前四名被两家的模型包揽且档位效应明显：Claude Opus 5.5 (Max) 1810 居首，同门 Sonnet 5.5 靠 xHigh 档（1770）挤进第三，比它自己的 High 档（1711）高 59 分
成本与分数几乎脱钩：头名 Opus 5.5 是 $9.01/任务，第 4 名 Gemini 4 Carbon 只要 $1.62（18.0%），第 5 名 GPT-6.1 Sol 只要 $1.61；最贵的 Fable 5.1（$11.38）只排第 6

本卡上一次记录停在 2025-12 的快照（Claude Sonnet 4 / Gemini 2.5 Pro，只标了名次没标分数），与当前榜覆盖的世代完全不重叠——按惯例，这两个快照不构成连续曲线，旧值仅作时间切片保留在上方描述里，不参与排序。

2026-10-27 榜的读数：

榜首第一次不是 Anthropic 的 Sonnet 系而是 Opus 系，且 Opus 5.5 的 rank spread 是 1–11——区间上界能到第 1，但下界能掉到第 11，与第 2–4 名（Astra 2–24、Sonnet 5.5 2–24、Carbon 4–26）大面积重叠。前四名之间的 42 分差距不足以支撑名次结论。
Gemini 4 Carbon 是这一轮唯一的新入榜者（2026-10-28 发布，榜上标 Preliminary，2,230 票）。Google 官方博客称其相对上代 +89 分至第 4（1768/1769，两处口径差 1 分），与榜上数值一致。它是前八里最便宜的之一（$1.62/任务）。
开源权重的最好成绩是第 16 名 DeepSeek-V4.1-Flash-20261017（1665，$0.12/任务），其次 MiMo-V2.6-Flash（1637，$0.05）。前 15 名里没有开源权重条目，这与 SWE-bench Verified、Terminal-Bench 上开源条目已在逼近前沿的情况不同——纯前端审美类任务仍是闭源的强项。
“同模型不同档位”在本榜上跨度可达 59 分（Sonnet 5.5 xHigh 1770 vs High 1711），引用时必须带档位。
全榜 153 个模型、952,039 票；末位 Devstral Medium (2507) 为 1071。头名与末位相差 739 分，但前 8 名内部只差 99 分。