Model yang diperingkat berdasarkan kemampuan membangun aplikasi web yang berfungsi dari sebuah prompt di arena WebDev LMArena, dengan harga dan konteks.
Tier ditentukan oleh kami: posisi model di papan peringkat dengan hanya menghitung model yang seluruh interval kepercayaannya berada di atasnya. S — 10% teratas, A — hingga 30%, B — hingga 60%, C — hingga 85%, D — sisanya.
Kualitas vs hargarating ke atas, harga gabungan (3 bagian input : 1 output) ke samping, USD per 1 jt token
Arena yang menilai aplikasi jadi
Papan web dev bersumber dari arena WebDev LMArena. Dua model menerima permintaan yang sama dan masing-masing membangun aplikasi web yang berfungsi. Orang mencoba kedua hasil lalu memilih aplikasi yang lebih baik. Nilainya bergaya Elo dengan interval kepercayaan 95%.
Karena yang dinilai adalah hasil akhir, nilai ini mencakup tata letak, apakah kodenya benar-benar berjalan, dan seberapa patuh model pada permintaan. Gaya penulisan kode saja tidak menentukan.
Cara membaca tabel
Kumpulan model sendiri. Model di arena WebDev berbeda dari papan teks dan pemrograman, jadi jangan heran jika urutannya lain.
Kolom yang sama. Tier, Elo dengan interval, harga, dan konteks tampil seperti di papan lain.
Aturan suara yang sama. Model dengan kurang dari 300 suara ditandai “Belum ada tier”.
Harga per 1M token. Filter “Harga rendah” menandai harga gabungan di bawah 1 USD.
Apa yang tidak dinilai
Aplikasi di arena berukuran kecil dan dibuat dari satu permintaan. Proyek besar dengan banyak layar, basis data, dan integrasi ke sistem lain tidak dinilai. Model yang unggul di sini adalah kandidat kuat untuk purwarupa dan halaman tunggal; untuk sistem utuh, uji dulu di alur kerja Anda.
Contoh permintaan untuk menguji
Coba permintaan yang dekat dengan kebutuhan Anda. Misalnya halaman pendaftaran acara dengan formulir dan validasi. Atau katalog produk sederhana dengan filter harga. Jalankan permintaan yang sama di setiap kandidat. Lalu nilai sendiri: apakah tampilannya rapi, apakah tombolnya berfungsi, dan apakah kodenya mudah dilanjutkan.
Dari tabel ke praktik
Pilih dua atau tiga kandidat, centang untuk dibandingkan di halaman perbandingan (hingga 4 model), lalu hitung perkiraan biaya dengan kalkulator “Biaya per bulan” jika Anda akan membuat banyak halaman. Setelah itu, cek agen pemrograman mana yang mendukung model pilihan Anda di editor atau terminal. Nilai berasal dari LMArena WebDev; harga dan konteks dari models.dev dan LiteLLM, diperbarui setiap hari.