網頁開發

在網頁開發排行榜上，模型不是回答問題，而是動手做。LMArena WebDev 競技場給兩個模型同樣的需求，例如一個小遊戲、價目表頁面或儀表板，兩者各自做出可運作的網頁應用程式，使用者比較成果後投票，事先不知道哪個模型做了哪一個。

評分反映什麼

評分反映的是整體成果：版面、程式能否運作、是否符合要求，而不只是程式碼風格。寫得整齊卻無法執行的程式，在這裡拿不到多少票。因此這份排行榜常和 程式設計排行榜 不同，後者評的是聊天中的回答。

自己的一組模型

WebDev 有自己的模型清單，和文字、程式設計排行榜不一樣，但欄位相同：

• 等級與 Elo 評分，附 95% 信賴區間；
• 最便宜供應商的每 1M token 價格；
• 上下文長度與價格走勢；
• 可加入比較。

限制

競技場中的應用程式規模都很小，含多個檔案、資料庫與登入系統的大型專案並不在評分範圍內。票數少於 300 的模型顯示為「尚未分級」。評分也看不出模型完成任務用了多少 token，長任務的成本差異可能很大，請用「每月費用」試算確認。

怎麼使用這份排行榜

想快速做出網站原型或內部工具時，先挑幾個高等級模型，用自己的需求測試，再到 比較 頁面對照價格與上下文。若在編輯器或終端機中搭配代理使用，也請看 程式設計代理，因為結果也取決於驅動模型的工具。

來源：評分 LMArena WebDev；價格 models.dev 與 LiteLLM。