# 历史编程题：LiveCodeBench overall

观察模块 2026-10-19.observations.2；整理2026-10-19；状态active
在这组历史编程题上，一次生成的执行通过成绩是什么？
精选6个模型/档位的公布值介于27.20至80.18（题目pass@1 %）。这是历史题集横截面。不能标作2026新题表现，也不能推导真实维护项目的净收益。

单位：题目pass@1 %
分母：同默认题目窗口454题；一次生成执行评分
协议：窗口边界2024-08-01至2025-05-01；实际题目2024-08-04至2025-04-07；只选overall；pass@1估计单次候选代码通过测试的表现，k=1不等于各模型只生成一次；逐行实际生成次数未知
范围：Oct14数据快照，题目窗口2025截止；模型日/运行日未知
时间：观察期可画同来源趋势；模型发布日只展开当前横截面，未知运行/首次公开日不补。使用份额/企业采用/测试分不互换，不据此生成职业AI化比例。
真实工作覆盖：未知(null)


## Claude-3.5-Sonnet-20241022 / 模型日与运行日未知；本图按模型名称排列
公布值：36.39%；原值36.38766519823788；状态reported
模型/配置：Claude-3.5-Sonnet-20241022
分母/样本数：同默认题目窗口454题；一次生成执行评分；具体n=454
区间：未公布
同页费用：未知
定位：performances_generation.json；model=Claude-3.5-Sonnet-20241022；overall 默认窗口
实际题日期2024-08-04至2025-04-07；发布日无法可靠对齐，保持未知；执行评分；逐行工具/预算不完整


## Claude-Opus-4 / 模型日与运行日未知；本图按模型名称排列
公布值：46.92%；原值46.91629955947136；状态reported
模型/配置：Claude-Opus-4
分母/样本数：同默认题目窗口454题；一次生成执行评分；具体n=454
区间：未公布
同页费用：未知
定位：performances_generation.json；model=Claude-Opus-4；overall 默认窗口
实际题日期2024-08-04至2025-04-07；发布日无法可靠对齐，保持未知；执行评分；逐行工具/预算不完整


## DeepSeek-V3 / 模型日与运行日未知；本图按模型名称排列
公布值：27.2%；原值27.202643171806166；状态reported
模型/配置：DeepSeek-V3
分母/样本数：同默认题目窗口454题；一次生成执行评分；具体n=454
区间：未公布
同页费用：未知
定位：performances_generation.json；model=DeepSeek-V3；overall 默认窗口
实际题日期2024-08-04至2025-04-07；发布日无法可靠对齐，保持未知；执行评分；逐行工具/预算不完整


## O3 (High) / 模型日与运行日未知；本图按模型名称排列
公布值：75.77%；原值75.77092511013215；状态reported
模型/配置：O3 (High)
分母/样本数：同默认题目窗口454题；一次生成执行评分；具体n=454
区间：未公布
同页费用：未知
定位：performances_generation.json；model=O3 (High)；overall 默认窗口
实际题日期2024-08-04至2025-04-07；发布日无法可靠对齐，保持未知；执行评分；逐行工具/预算不完整


## O4-Mini (High) / 模型日与运行日未知；本图按模型名称排列
公布值：80.18%；原值80.1762114537445；状态reported
模型/配置：O4-Mini (High)
分母/样本数：同默认题目窗口454题；一次生成执行评分；具体n=454
区间：未公布
同页费用：未知
定位：performances_generation.json；model=O4-Mini (High)；overall 默认窗口
实际题日期2024-08-04至2025-04-07；发布日无法可靠对齐，保持未知；执行评分；逐行工具/预算不完整


## Qwen3-235B-A22B / 模型日与运行日未知；本图按模型名称排列
公布值：65.86%；原值65.85903083700441；状态reported
模型/配置：Qwen3-235B-A22B
分母/样本数：同默认题目窗口454题；一次生成执行评分；具体n=454
区间：未公布
同页费用：未知
定位：performances_generation.json；model=Qwen3-235B-A22B；overall 默认窗口
实际题日期2024-08-04至2025-04-07；发布日无法可靠对齐，保持未知；执行评分；逐行工具/预算不完整


## 对自己的工作意味着什么
先确认题型是否像你的任务；实际代码仍需目标行为、原行为与回归验收。
[C03交接与验收](/changes?task=C03)

## 原始材料
- [LiveCodeBench历史代码生成窗口](https://livecodebench.github.io/leaderboard.html)；版本2026-10-14取得的同一公开JSON；仅overall；首次公开具体日期未知；收集2026-10-14；实际阅读2026-10-15；状态active；performances_generation.json；默认筛选边界2024-08-01至2025-05-01；454题；实际题目日期2024-08-04至2025-04-07；execution-based pass@1；不是2026新题实测；模型发布日未可靠建立，全部保持null；不与AIME合并排名；许可代码MIT；成绩JSON数据许可未单独确认；仅有限事实摘要