设计文本编辑器

这是一个 AI 大模型评测用例，下面将详细介绍测试内容和各模型的表现。

基本信息

  • 用例名称：设计文本编辑器
  • 测试类型：文本生成
  • 评测维度：代码生成
  • 参与评测的模型数：190 个

系统提示词（System Prompt）

你是一名资深 Python 软件工程师，擅长数据结构设计与算法实现。 回答要求： 1. 在编写代码前，先用 2-3 句话说明你选择的底层数据结构及其理由。 2. 代码需包含清晰的注释，解释关键逻辑（尤其是光标移动和边界处理）。 3. 所有方法必须正确处理边界情况（如光标已在最左/最右端、删除数量超过现有字符数等）。 4. 完成实现后，提供一段简短的测试代码，覆盖正常流程和至少两个边界场景。 5. 输出格式：设计思路 → 完整类实现 → 测试代码。

用户提示词（User Prompt）

用 Python 设计一个支持光标操作的简单文本编辑器。 请实现以下类：

各模型评测结果

  1. 第 1：Google: Gemma 4 26B A4B ，得分 98.3 分 — 查看该模型的详细评测结果
  2. 第 2：Claude Opus 4.6，得分 96.8 分 — 查看该模型的详细评测结果
  3. 第 3：OpenAI: gpt-oss-120b，得分 95.67 分 — 查看该模型的详细评测结果
  4. 第 4：kimi-k2.5，得分 95.47 分 — 查看该模型的详细评测结果
  5. 第 5：Anthropic: Claude Sonnet 4.6，得分 95.43 分 — 查看该模型的详细评测结果
  6. 第 6：Google: Gemini 3.1 Pro Preview，得分 95.27 分 — 查看该模型的详细评测结果
  7. 第 7：OpenAI: GPT-5 Nano，得分 94.09 分 — 查看该模型的详细评测结果
  8. 第 8：qwen3.5-flash，得分 94.0 分 — 查看该模型的详细评测结果
  9. 第 9：qwen3.5-plus-2026-02-15，得分 93.5 分 — 查看该模型的详细评测结果
  10. 第 10：doubao-seed-1-8，得分 93.5 分 — 查看该模型的详细评测结果
  11. 第 11：MiniMax-M2.1，得分 93.09 分 — 查看该模型的详细评测结果
  12. 第 12：NVIDIA: Nemotron 3 Super (free)，得分 93.0 分 — 查看该模型的详细评测结果
  13. 第 13：OpenAI: GPT-5.4，得分 93.0 分 — 查看该模型的详细评测结果
  14. 第 14：doubao-seed-1-6，得分 92.6 分 — 查看该模型的详细评测结果
  15. 第 15：mimo-v2-pro，得分 92.5 分 — 查看该模型的详细评测结果
  16. 第 16：OpenAI: GPT-5 Mini，得分 92.39 分 — 查看该模型的详细评测结果
  17. 第 17：deepseek-v3.2，得分 92.26 分 — 查看该模型的详细评测结果
  18. 第 18：StepFun: Step 3.5 Flash，得分 92.2 分 — 查看该模型的详细评测结果
  19. 第 19：GPT-5.2，得分 91.5 分 — 查看该模型的详细评测结果
  20. 第 20：Grok 4，得分 91.3 分 — 查看该模型的详细评测结果
  21. 第 21：doubao-seed-2-0-code，得分 91.2 分 — 查看该模型的详细评测结果
  22. 第 22：qwen3.5-omni-plus，得分 91.1 分 — 查看该模型的详细评测结果
  23. 第 23：qwen3.6-plus-preview，得分 91.0 分 — 查看该模型的详细评测结果
  24. 第 24：OpenAI: gpt-oss-20b，得分 90.93 分 — 查看该模型的详细评测结果
  25. 第 25：GLM-5.1，得分 90.6 分 — 查看该模型的详细评测结果
  26. 第 26：glm-4.7，得分 90.39 分 — 查看该模型的详细评测结果
  27. 第 27：xAI: Grok 4.20 Beta，得分 89.2 分 — 查看该模型的详细评测结果
  28. 第 28：doubao-seed-2-0-pro，得分 88.12 分 — 查看该模型的详细评测结果
  29. 第 29：kimi-k2-thinking-turbo，得分 88.02 分 — 查看该模型的详细评测结果
  30. 第 30：qwen3-coder-plus，得分 87.3 分 — 查看该模型的详细评测结果
  31. 第 31：Meituan: LongCat Flash Chat，得分 87.01 分 — 查看该模型的详细评测结果
  32. 第 32：qwen3-235b-a22b，得分 86.2 分 — 查看该模型的详细评测结果
  33. 第 33：qwen3-coder-next，得分 86.2 分 — 查看该模型的详细评测结果
  34. 第 34：Google: Gemma 4 31B，得分 85.8 分 — 查看该模型的详细评测结果
  35. 第 35：doubao-seed-2-0-lite，得分 85.33 分 — 查看该模型的详细评测结果
  36. 第 36：qwen3-14b，得分 84.2 分 — 查看该模型的详细评测结果
  37. 第 37：xAI: Grok 4.1 Fast，得分 84.08 分 — 查看该模型的详细评测结果
  38. 第 38：MiniMax-M2.5，得分 83.77 分 — 查看该模型的详细评测结果
  39. 第 39：Google: Gemini 3 Flash Preview，得分 83.52 分 — 查看该模型的详细评测结果
  40. 第 40：doubao-seed-1-6-flash，得分 83.0 分 — 查看该模型的详细评测结果
  41. 第 41：MiniMax-M2.7，得分 81.3 分 — 查看该模型的详细评测结果
  42. 第 42：qwen3.5-27b，得分 81.2 分 — 查看该模型的详细评测结果
  43. 第 43：Anthropic: Claude Haiku 4.5，得分 79.99 分 — 查看该模型的详细评测结果
  44. 第 44：glm-5，得分 79.81 分 — 查看该模型的详细评测结果
  45. 第 45：mimo-v2-omni，得分 77.7 分 — 查看该模型的详细评测结果
  46. 第 46：qwen3-coder-flash，得分 77.7 分 — 查看该模型的详细评测结果
  47. 第 47：doubao-seed-2-0-mini，得分 77.67 分 — 查看该模型的详细评测结果
  48. 第 48：qwen3-max，得分 75.84 分 — 查看该模型的详细评测结果
  49. 第 49：Meta: Llama 3.3 70B Instruct，得分 75.38 分 — 查看该模型的详细评测结果
  50. 第 50：qwen3.5-35b-a3b，得分 74.7 分 — 查看该模型的详细评测结果
  51. 第 51：Qwen: Qwen3.5-9B，得分 74.3 分 — 查看该模型的详细评测结果
  52. 第 52：OpenAI: GPT-4o-mini，得分 72.98 分 — 查看该模型的详细评测结果
  53. 第 53：hunyuan-large，得分 69.14 分 — 查看该模型的详细评测结果
  54. 第 54：hunyuan-turbo，得分 68.32 分 — 查看该模型的详细评测结果
  55. 第 55：Google: Gemini 2.5 Flash Lite，得分 66.44 分 — 查看该模型的详细评测结果
  56. 第 56：qwen3-8b，得分 60.8 分 — 查看该模型的详细评测结果
  57. 第 57：mimo-v2-flash，得分 59.84 分 — 查看该模型的详细评测结果
  58. 第 58：hunyuan-pro，得分 56.65 分 — 查看该模型的详细评测结果
  59. 第 59：qwen3-4b，得分 53.3 分 — 查看该模型的详细评测结果
  60. 第 60：glm-4.5-air，得分 47.43 分 — 查看该模型的详细评测结果
  61. 第 61：qwen3.5-omni-flash，得分 45.0 分 — 查看该模型的详细评测结果
  62. 第 62：Mistral: Mistral Nemo，得分 42.72 分 — 查看该模型的详细评测结果
  63. 第 63：qwen3-0.6b，得分 18.2 分 — 查看该模型的详细评测结果
题目
模型排行
加载中…
模型评分
加载中…