Arena WebDev 全榜分析：任務視圖、信心與私有 PoC

0 · 快照範圍與不能外推的事↑ 回本頁選單

先辨識欄位的信號邊界

• Raw rank：此 snapshot 依 Arena score 排出的唯一名次；不是永久實力或全面產品排名。
• Score CI 與 rank spread：score ± 是相對偏好與 confidence interval；spread 是可能名次區間。區間重疊應視為 tie，不能說成確定擊敗每個對手。
• Votes 與 Preliminary：是可見樣本量與 Arena 的待 fresh votes 標示；兩者都是不確定性線索，不是品質標籤。
• Displayed metadata：price、context、lab 與 license label 只是在該 snapshot 顯示的欄位，不能替代供應商當日條款、帳單、可用性或法律判定。

1 · 全榜範圍與六個比較角度↑ 回本頁選單

四個 view 的母體不同，score 不能相加或互相換算。下表是該日已確認的範圍與邊界；欲查看個別原始列，請開啟相應官方完整榜單。

工作型態：先對應任務，再挑 view

單文件頁面可先讀 HTML；多檔 component、state、routing 可先讀 React；資料庫、API、deploy 路徑才讀 Fullstack；需求混合或尚未明確時才以 Overall 作初篩。

排名訊號：raw rank 需要連同日期與區間

raw rank 是單一排序；score CI 和 rank spread 才說明這個排序的重疊與不確定性。這裡沒有相同欄位定義的兩份歷史 snapshot，因此不做名次變化宣稱。

信心：votes、Preliminary 與重疊 spread 一起讀

Votes 不單獨保證穩定；Preliminary 也不是低品質。先把低票數、Preliminary 與寬 spread 視為需要在私有任務驗證的 gate。

跨 view 穩定度：檢查同一完整受測配置

不要用跨榜 score 差計算能力差；以下保留研究支持的完整 configuration 與其各榜 raw rank／spread。

任務專精：新訊號要附不可外推

下列項目是可排入受控 PoC 的訊號，不是任何產品或採購結論。

成本、context、license 與治理：只當 metadata 與淘汰 gate

Overall 當日顯示的 metadata 範圍是 input $0.03–$15/M、output $0.10–$75/M、context 128K–2M。它不代表實際帳單、TCO、延遲、vendor availability 或 license 結論；完整 model label、harness、Arena label 和團隊的資料駐留、SSO／RBAC、secrets、approval、audit、地區與合約條件必須逐項核對。

2 · 方法、環境與資料缺口↑ 回本頁選單

Arena 的 Code Arena 說明是 human-in-the-loop 的生成、side-by-side 比較與投票；排名使用相對偏好、confidence intervals 與 policy 所定義的 sampling／reweighting。WebDev categories 來自超過 250,000 個過濾後 prompts 的意圖／任務結構聚類，同一 prompt 可以有多個標籤。Code Arena、Arena-Rank、WebDev categories ✅官方

可取得與不可取得的資料

本 snapshot 沒有可發布的 model-by-model system prompt、tool schema、decoding parameters、latency、retry rate 或實際 token usage；也沒有私有 repo、CI、security review、a11y、production incident 或第三方日常安全證據。缺少兩份同欄位定義的 snapshots，便沒有可靠的 rank-change 時間序列。

3 · 從榜單到私有 PoC↑ 回本頁選單

1. 先將任務 route 到 HTML、React、Fullstack 或 Overall，而不是先挑一個總冠軍。
2. 先做 product／governance elimination：資料駐留、SSO／RBAC、license、secrets、approval、audit、network 控制、地區、成本上限與合約任一不合格，即淘汰。
3. 再過 uncertainty gate：Preliminary、寬 rank spread、低 votes、未列項目與完整 configuration 不可重現時，都不能直接採用。
4. 以 5–10 個代表性私有任務 blind 測試，且在目標 CLI／IDE／repo／權限與 CI 條件下驗證。
5. 量測 success、test、security、human correction、p50／p95、actual cost 與 recovery；再由人員採用決策，而不是由榜單代決定。

這份快照對應〈為什麼要用 AI CLI？〉學習路線圖第 3–4 階：已經要選模型、要做 PoC 時查這裡最有用；還沒到這一步，先回路線圖確認順序，不必先急著比較榜單。

4 · 全榜來源、資料治理與發布日重查↑ 回本頁選單

發布日應記錄各 view 的 snapshot date、欄位定義、HTTP status 與最終 URL。2026-08-17 核對：/code/webdev/html 與 /code/html、/code/webdev/react 與 /code/react 均回應 HTTP 200，未觀察到 HTTP redirect；HTTP headers 未提供可判定的 canonical。未取得頁面 canonical 可驗證證據前，不把任何 path 說成 redirect 或 canonical。保存 snapshot date、source URL 與 field-version；未保存兩份同口徑 snapshots 前，不做趨勢敘述。