KingBench 4 编程基准多模型实测

2026年10月10日，AICodeKing 发布 KingBench 4 实测结果，让 Opus 5.5、GPT 6 Astra、GPT 6.1 Sol、Haiku 5.5 和 GLM 5.3 分别通过 Claude Code、Codex 和 OpenCode 完成六个项目，报道称 Opus 5.5 以 57.8% 的成绩居首，其余模型的具体成绩未在报道中给出。2026年10月19日，AICodeKing 又发布在 Bambooed 上进行的五组“主导+执行”AI 编程团队实测，同样完成 KingBench 4 全部六项任务：Opus 搭配 Sonnet 构建的模拟器得分最高达 7.1，并通过全部 8 项 Game Boy 诊断；Astra 搭配 Sonnet 拿下最佳房间设计器（9.3）和最佳 Pokémon 游戏（9.1）。两轮报道的评测对象与形式不同，早先报道为单个模型分别通过三种工具完成项目，后续报道为模型组队完成同一基准任务。

AI 根据报道生成 · 2 小时前更新

1. 10月19日 17:15 · 1 篇报道
   测试多模型协作编码团队
   AICodeKing：Opus + Sol 等五组 AI 编程团队实测：KingBench 4 六项任务谁更强
2. 10月10日 17:15 · 1 篇报道
   KingBench 4 编程基准评测多款模型
   AICodeKing：AICodeKing 用六个项目实测 KingBench 4：Opus 5.5 以 57.8% 居首

还没有足够的连续观测数据，暂不绘制趋势。