DeepSeek-R1 0528成為性價比最高模型，能力與o4 mini high接近

什么是 Aider？

地址：https://aider.chat/docs/leaderboards/

首先要了解 Aider。Aider 是一個開源的命令行工具，它能讓你在本地的終端里與 LLM 一起編程。它不只是一個聊天機器人，而是能直接讀取、修改你本地代碼庫中的文件，并執行命令（如運行測試）。它的工作模式非常接近一個真實的人類開發者：接收需求 -> 閱讀代碼 -> 編寫/修改代碼 -> 運行測試 -> 查看錯誤 -> 再次修改 -> 直到測試通過

【Aider LLM Leaderboards 的核心特點】

注重真實世界的工作流 (Real-world Workflow)

與 HumanEval 等評測基準不同（那些通常只測試模型能否一次性生成正確的函數代碼），Aider 排行榜模擬的是一個更真實的開發流程。
它測試的是模型編輯現有代碼、修復 Bug 和根據需求添加新功能的能力，這通常涉及多個文件的修改和反復調試

評測的是“系統”而非“純模型”

這個排行榜衡量的不僅僅是 LLM 本身，而是 Aider + LLM 這個組合系統的整體表現。
Aider 的提示工程（Prompt Engineering）、上下文管理能力以及與模型的交互方式，都會直接影響最終結果。因此，它衡量的是模型在特定工具輔助下的實用效能

基于實際編程挑戰

Aider 排行榜使用了來自 Exercism 平臺的編程練習作為評測基準。這些練習通常包含一個問題描述文件（README.md）、一些起始代碼和一套單元測試
模型的任務就是理解需求，然后修改代碼，直到所有的單元測試都能成功通過

【為什么這個排行榜很重要？】

對開發者更有參考價值：如果你正在考慮使用 Aider 或類似的 AI 編程工具，這個排行榜能直接告訴你，哪個模型在實際的“動手”編碼場景中表現最好

推動了評測基準的進步：它展示了一種比傳統代碼生成評測更接近真實開發場景的評測范式，強調了AI的交互、調試和代碼編輯能力，而不僅僅是“一次性寫對”的能力

反映了模型的綜合能力：要在 Aider 排行榜上取得好成績，模型不僅需要強大的代碼理解和生成能力，還需要出色的邏輯推理、遵循指令和從錯誤中學習的能力