首先叠个甲 
这个测试榜单的结果就是在随机选择的github issue/pr中哪些模型完成的比较好。 
但是因为测试数据集有限，所以并不能代表模型真实能力，最多只是部分编码能力的参考。 

网址： 

12月 
37个仓库里的48个在12月产生的问题 
排名： 
 [image] 
前10: 




Rank
Model
Resolved Rate (%)
Resolved Rate SEM (±)
Pass@5 (%)
Cost per Problem ($)
Tokens per Problem
Cached Tokens (%)




1
Claude Opus 4.5
63.3%
1.41%
79.2%
$1.22
1,449,298
95.2%


2
gpt-5.2-2025-12-11-xhigh
61.5%
1.21%
70.8%
$1.46
1,823,287
67...