1. 图表数据
  2. arena
  3. What kinds of failures are flagged?
arena表格图 · 115 个数据点 · Claude Opus 5

What kinds of failures are flagged?

arena 发布的一张图背后的数字，用原生图表重画。对照原图，研究数据，再做你自己的。

从图片估算 50%Claude Opus 5Anthropic 全部模型全部图表数据
图表来自 arena. 来源: x.com

简化重绘

由我们用下面的数字重新绘制。悬停、点按或用方向键查看。

这是简化重绘：它用我们自己的样式展示数字，不是原图的样子。强调色标出这张图的主角。表格里带 ~ 的是估算值。

数字

115 个点中前 10 个免费
分组系列数值来源置信
Claude Fable 5.1Cleanup~6.5%估算0.50
Claude Opus 4.8Cleanup~30.4%估算0.50
Claude Opus 5Cleanup~53.5%估算0.50
Claude Sonnet 5Cleanup~38%估算0.50
Claude Opus 5.5Cleanup~32%估算0.50
Claude Sonnet 5.5 HighCleanup~32.8%估算0.50
DeepGLM V4.1 FlashCleanup~26%估算0.50
GPT-5.6 SolCleanup~45.2%估算0.50
GPT-6 AstraCleanup~16%估算0.50
GPT-6 LunaCleanup~35.3%估算0.50

Max 数据，目前留邮箱免费看

查看全部 115 个数据点并下载文件

这张图的完整表格、JSON、CSV 和 agent skill 文件。它们属于 Max；原型阶段，留邮箱即可解锁。

解锁全部 35 家巨头。每周一封，随时退订。 看看能得到什么 · 登录

GPT-6 SolCleanup~21.4%估算0.50
GPT-6.1 SolCleanup~13.3%估算0.50
Gemini 3.6 FlashCleanup~13.6%估算0.50
Gemini 3.7 FlashCleanup~25%估算0.50
Gemini 4 ArgonCleanup~45.3%估算0.50
Grok 4.6Cleanup~30%估算0.50
Grok 4.7Cleanup~37.5%估算0.50
HY4 PreviewCleanup~22%估算0.50
Kimi K3Cleanup~33.8%估算0.50
MiniMax M3Cleanup~26.9%估算0.50
Muse Spark 1.3BCleanup~22.7%估算0.50
Qwen3.8 27BCleanup~24.6%估算0.50
Qwen3.8 MaxCleanup~31.2%估算0.50
Claude Fable 5.1Extra outputs~16.1%估算0.50
Claude Opus 4.8Extra outputs~26.1%估算0.50
Claude Opus 5Extra outputs~32.4%估算0.50
Claude Sonnet 5Extra outputs~40%估算0.50
Claude Opus 5.5Extra outputs~14%估算0.50
Claude Sonnet 5.5 HighExtra outputs~39.1%估算0.50
DeepGLM V4.1 FlashExtra outputs~27.4%估算0.50
GPT-5.6 SolExtra outputs~14.3%估算0.50
GPT-6 AstraExtra outputs~23.5%估算0.50
GPT-6 LunaExtra outputs~25%估算0.50
GPT-6 SolExtra outputs~25%估算0.50
GPT-6.1 SolExtra outputs~33.3%估算0.50
Gemini 3.6 FlashExtra outputs~21.6%估算0.50
Gemini 3.7 FlashExtra outputs~20.8%估算0.50
Gemini 4 ArgonExtra outputs~20.3%估算0.50
Grok 4.6Extra outputs~23.3%估算0.50
Grok 4.7Extra outputs~40%估算0.50
HY4 PreviewExtra outputs~30%估算0.50
Kimi K3Extra outputs~22.1%估算0.50
MiniMax M3Extra outputs~7.5%估算0.50
Muse Spark 1.3BExtra outputs~13.6%估算0.50
Qwen3.8 27BExtra outputs~24.6%估算0.50
Qwen3.8 MaxExtra outputs~21.2%估算0.50
Claude Fable 5.1Premature execution~38.7%估算0.50
Claude Opus 4.8Premature execution~18.8%估算0.50
Claude Opus 5Premature execution~28.2%估算0.50
Claude Sonnet 5Premature execution~26%估算0.50
Claude Opus 5.5Premature execution~18%估算0.50
Claude Sonnet 5.5 HighPremature execution~18%估算0.50
DeepGLM V4.1 FlashPremature execution~19.2%估算0.50
GPT-5.6 SolPremature execution~23.8%估算0.50
GPT-6 AstraPremature execution~20%估算0.50
GPT-6 LunaPremature execution~23.5%估算0.50
GPT-6 SolPremature execution~21.4%估算0.50
GPT-6.1 SolPremature execution~14.3%估算0.50
Gemini 3.6 FlashPremature execution~31.3%估算0.50
Gemini 3.7 FlashPremature execution~29.6%估算0.50
Gemini 4 ArgonPremature execution~33.3%估算0.50
Grok 4.6Premature execution~14.4%估算0.50
Grok 4.7Premature execution~30%估算0.50
HY4 PreviewPremature execution~22.5%估算0.50
Kimi K3Premature execution~13.2%估算0.50
MiniMax M3Premature execution~30%估算0.50
Muse Spark 1.3BPremature execution~38.6%估算0.50
Qwen3.8 27BPremature execution~30.8%估算0.50
Qwen3.8 MaxPremature execution~22.5%估算0.50
Claude Fable 5.1Scope expansion~16.1%估算0.50
Claude Opus 4.8Scope expansion~15.9%估算0.50
Claude Opus 5Scope expansion~22.5%估算0.50
Claude Sonnet 5Scope expansion~0%估算0.50
Claude Opus 5.5Scope expansion~26%估算0.50
Claude Sonnet 5.5 HighScope expansion~26%估算0.50
DeepGLM V4.1 FlashScope expansion~18.8%估算0.50
GPT-5.6 SolScope expansion~19%估算0.50
GPT-6 AstraScope expansion~24%估算0.50
GPT-6 LunaScope expansion~11.8%估算0.50
GPT-6 SolScope expansion~10.7%估算0.50
GPT-6.1 SolScope expansion~28.6%估算0.50
Gemini 3.6 FlashScope expansion~24.2%估算0.50
Gemini 3.7 FlashScope expansion~29.6%估算0.50
Gemini 4 ArgonScope expansion~25%估算0.50
Grok 4.6Scope expansion~14.1%估算0.50
Grok 4.7Scope expansion~10%估算0.50
HY4 PreviewScope expansion~20%估算0.50
Kimi K3Scope expansion~22.1%估算0.50
MiniMax M3Scope expansion~22.5%估算0.50
Muse Spark 1.3BScope expansion~22.7%估算0.50
Qwen3.8 27BScope expansion~22.5%估算0.50
Qwen3.8 MaxScope expansion~22.5%估算0.50
Claude Fable 5.1Protected content~12.9%估算0.50
Claude Opus 4.8Protected content~14.5%估算0.50
Claude Opus 5Protected content~4.2%估算0.50
Claude Sonnet 5Protected content~12%估算0.50
Claude Opus 5.5Protected content~20%估算0.50
Claude Sonnet 5.5 HighProtected content~8%估算0.50
DeepGLM V4.1 FlashProtected content~7.8%估算0.50
GPT-5.6 SolProtected content~9.5%估算0.50
GPT-6 AstraProtected content~8%估算0.50
GPT-6 LunaProtected content~5.9%估算0.50
GPT-6 SolProtected content~7.1%估算0.50
GPT-6.1 SolProtected content~7.1%估算0.50
Gemini 3.6 FlashProtected content~20.2%估算0.50
Gemini 3.7 FlashProtected content~20%估算0.50
Gemini 4 ArgonProtected content~18.5%估算0.50
Grok 4.6Protected content~7.8%估算0.50
Grok 4.7Protected content~6.7%估算0.50
HY4 PreviewProtected content~23%估算0.50
Kimi K3Protected content~5.9%估算0.50
MiniMax M3Protected content~10%估算0.50
Muse Spark 1.3BProtected content~2.3%估算0.50
Qwen3.8 27BProtected content~7.7%估算0.50
Qwen3.8 MaxProtected content~10%估算0.50
下载这张图的数据

Max 订阅者可以通过 API 取同样的数据。 API 文档

JSONagent skill 文件

API · Max

用 API 调用这张图

Max 套餐可以取这张图的数字（每个数字都带来源），格式为 JSON 或 CSV，附重画规格；也可以让智能体通过 MCP 调用。图表 id：585a868f210c。

查看 Max 套餐API 文档
路径返回套餐
GET/api/v1/charts/585a868f210c标题、发布者、日期、图型、数据点数；用 Max 密钥时附数据链接开放
GET/api/v1/charts/585a868f210c/data每个数据点及其来源和置信度，加上重画规格。加 ?format=csv 得到 CSVMax
GET/api/v1/charts/585a868f210c/render?view=1本页使用的只读绘图视图开放
POST/mcp工具 get_chart_data 加这个 id，供 Claude、Cursor 等智能体使用Max
curlMax
curl -s https://viral-chart.com/api/v1/charts/585a868f210c/data \
  -H "Authorization: Bearer $VIRALCHART_KEY"
Claude CodeMax
claude mcp add --transport http viralchart https://viral-chart.com/mcp \
  --header "Authorization: Bearer $VIRALCHART_KEY"

每个密钥每分钟 60 次，超出返回 429 和 Retry-After。每个账号最多 5 个密钥，在账户页创建，只显示一次。没有 Max 时数据接口返回 402，并附套餐链接。这些数字描述的是发布者拥有的图，每个文件都带授权说明。

做一张这样的图

这张图的形式，你的数字。

实时预览。所有内容都留在你的设备上。

选择形式

简化形式：用我们自己的样式，不是原图的样子。你的数字从这张图的数据开始。

Anthropic 的更多数据

全部图表数据
从图片估算Claude 3.5 Sonnet benchmarksAnthropic · 表格图 · 34 个数据点从图片估算Software engineeringAnthropic · 柱状图 · 2 个数据点从图片估算Novel problem-solving by costAnthropic · 散点图 · 3 个数据点从图片估算相似重绘 7.4Code Arena: WebDevarena · 柱状图 · 15 个数据点从图片估算Model benchmarksAnthropic · 表格图 · 31 个数据点从图片估算相似重绘 6.0Opus 4.8Anthropic · 表格图 · 28 个数据点

常见问题

这些数字有多准？

它们由两遍独立读图估算得出，置信度 0.50（0 到 1）。图上印着的数字读得准，从坐标轴读出的值可能有几个百分点的偏差。

这些数据可以直接用吗？

这些数字描述的是 arena 发布的图表。图片、版式和样式归他们所有。使用数字时请注明发布者，图片请用你自己的数据来做。

怎么拿到文件？

JSON、CSV 和 agent skill 文件在本页的邮箱解锁区。原型里它们是静态文件：/api/charts/585a868f210c.json 和 /api/charts/585a868f210c.skill.md。