为什么重要
FullStackBench 覆盖 16 种编程语言和全栈开发场景（前端 UI、后端 API、数据库操作、运维脚本等），比 HumanEval 等单语言基准更贴近现实。
返回评测
代码生成 代码-工程交付 未饱和
模态 · 代码
任务 · 执行验证
FullStackBench
评测 LLM 在前后端全栈开发的综合能力
ByteDance ·
考察能力
全栈开发 前端 后端 数据库 DevOps
构建信息
- 数据规模
- 3,374 样本
- 评测方式
- 执行评测
- 核心指标
- pass@1
资源链接
模型效果排行
🥇 GPT-4o
48.5%
🥈 Claude 3.5 Sonnet
52.3%
全栈开发 代码生成 前后端 16语言