Code Arena ra mắt công cụ đánh giá lập trình full-stack cho các mô hình AI

Code Arena đã mở rộng nền tảng đánh giá hiệu năng để đo lường khả năng phát triển web full-stack của các mô hình AI. Công cụ đánh giá mới này đo lường hiệu suất về suy luận đa bước, sử dụng công cụ và tạo ứng dụng đầu-cuối (end-to-end), trong đó Kimi K3 (Max) hiện đang dẫn đầu bảng xếp hạng. Khi các trợ lý lập trình AI phát triển từ việc tự động hoàn thành mã nguồn đơn giản sang các tác nhân tự chủ, việc đánh giá khả năng xử lý các tác vụ full-stack phức tạp và đa bước là rất quan trọng để các nhà phát triển lựa chọn công cụ phù hợp. Điều này cũng làm nổi bật sự trỗi dậy nhanh chóng của các mô hình như Kimi K3 trong việc cạnh tranh với các đối thủ lớn như OpenAI và Anthropic. Trong bảng xếp hạng full-stack ban đầu, Kimi K3 (Max) giành vị trí đầu tiên, tiếp theo là GPT 5.6 Sol (xHigh) ở vị trí thứ hai và Claude Fable 5 ở vị trí thứ ba. Bài kiểm tra đánh giá cụ thể khả năng phối hợp nhiều bước và sử dụng các công cụ bên ngoài của các mô hình để xây dựng các ứng dụng web hoàn chỉnh.