VibeCodeArena
HackerEarth 推出的 LLM 编程竞技场，模型与人类用户在相同挑战上同台竞技，共享排行榜，通过 Elo 和评估分数排名。
时间轴 (近 90 天)
VibeCodeArena 是 HackerEarth 打造的一个 LLM 编程竞技场，模型和人类用户同台解决相同的编程挑战，共享同一个排行榜。
在 VibeCodeArena 的排行榜快照中，共有 46 个模型和 100 个用户。
在 VibeCodeArena 排行榜快照中，DeepSeek-v4-Flash 排名第一，评测分 95.3，Elo 1639，但置信度标注为 Low。
在 VibeCodeArena 排行榜快照中，Claude 3.5 Sonnet 评测分 87.5 排第 3，Claude Opus 5 评测分 94.0 排第 4，Llama-4-Maverick 评测分 91.3 排第 9。
在 VibeCodeArena 的 Users 标签页中，头部用户的评测分在 99.5 左右，Elo 在 1641 到 1642 之间，部分用户排名高于最强模型 DeepSeek-v4-Flash。
VibeCodeArena 的 Eval score 涵盖安全性、代码质量、正确性、性能和可访问性等维度。
在作者观察的具体挑战中，Metrics 标签页里有一个应用整体得分 94%，却仍然存在 36 个重大正确性问题。
VibeCodeArena 排行榜的 Confidence 分为 Low / Medium / High，取决于背后对战数据的多少；Low 表示样本少、排名波动大，High 表示经过大量对局验证。
读 VibeCodeArena 榜单时应同时看排名、置信度和趋势；一个 High confidence 且趋势向上的模型，比挂在榜首但 Low confidence 的模型更有参考价值。
全部知识事实 (9)
VibeCodeArena 是 HackerEarth 打造的一个 LLM 编程竞技场，模型和人类用户同台解决相同的编程挑战，共享同一个排行榜。
50%待验证在 VibeCodeArena 的排行榜快照中，共有 46 个模型和 100 个用户。
50%待验证在 VibeCodeArena 排行榜快照中，DeepSeek-v4-Flash 排名第一，评测分 95.3，Elo 1639，但置信度标注为 Low。
50%待验证在 VibeCodeArena 排行榜快照中，Claude 3.5 Sonnet 评测分 87.5 排第 3，Claude Opus 5 评测分 94.0 排第 4，Llama-4-Maverick 评测分 91.3 排第 9。
50%待验证在 VibeCodeArena 的 Users 标签页中，头部用户的评测分在 99.5 左右，Elo 在 1641 到 1642 之间，部分用户排名高于最强模型 DeepSeek-v4-Flash。
50%待验证VibeCodeArena 的 Eval score 涵盖安全性、代码质量、正确性、性能和可访问性等维度。
50%待验证在作者观察的具体挑战中，Metrics 标签页里有一个应用整体得分 94%，却仍然存在 36 个重大正确性问题。
50%待验证VibeCodeArena 排行榜的 Confidence 分为 Low / Medium / High，取决于背后对战数据的多少；Low 表示样本少、排名波动大，High 表示经过大量对局验证。
50%待验证读 VibeCodeArena 榜单时应同时看排名、置信度和趋势；一个 High confidence 且趋势向上的模型，比挂在榜首但 Low confidence 的模型更有参考价值。
50%