Srovnání schopností AI modelů
Použití počítače
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
ALE-V1 · full · max · Codex
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| Č. | Model | Engine agenta | Úsilí při uvažování | Rozdělit | Spuštěné úlohy / celkem úloh | ||
|---|---|---|---|---|---|---|---|
| 1 |  GPT-6 Astragpt-6-astra | Codex | max | 34.21% | 59.26% | full | 151 / 152 |
| 2 | GPT-6 Solgpt-6-sol | Codex | max | 31.58% | 58.57% | full | 151 / 152 |
| 3 | GPT-6 Lunagpt-6-luna | Codex | max | 25% | 50.89% | full | 150 / 152 |
ALE · profesionální pracovní postupy
Zdroj: Agents’ Last Exam ↗ · CC BY 4.0 · Načteno 21. 10. 2026 06:00 UTC
ALE-V1 · full · max · Codex · Source date unknown
PandaNpc Aktualizováno 21. 10. 2026 06:01 UTC
Zdroj: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Průvodce sloupci
- Č.
- Pouze pořadí zobrazení. Řazení toto číslo mění; nejde o zveřejněné pořadí schopností.
- Model
- Název hodnoceného modelu a ikona jeho poskytovatele. Pomlčka ve sloupci se skóre znamená, že zde není k dispozici žádné zveřejněné skóre, nikoli nula.
- Engine agenta
- Codex
- Úsilí při uvažování
- max
- Skóre
- ALE-V1 full split, maximální úsilí při uvažování: procento všech 152 úloh, které získaly plné body. Počty spuštěných úloh mohou být nižší než 152. Profesionální pracovní postupy umožňují nástroje GUI a příkazového řádku; Claude Code a Codex používají odlišná prostředí. Nejde o srovnání pouze v GUI. Datum snímku upstream není zveřejněno; čas načtení je zobrazen samostatně. Claude Code a Codex jsou hodnoceny pouze v rámci svých samostatných srovnávacích skupin. Metodika hodnocení ↗
- Dílčí skóre
- ALE-V1 plné rozdělení, maximální úsilí při uvažování: publikované průměrné skóre dílčího úkolu převedené z 0–1 na procenta. Nejde o míru úspěšnosti celého úkolu. Profesionální pracovní postupy povolují GUI a nástroje příkazového řádku; Claude Code a Codex používají různá testovací prostředí. Počty spuštěných úkolů a rozdělení na 152 úkolů jsou zobrazeny. Datum snímku upstream není zveřejněno; čas načtení je zobrazen samostatně. Claude Code a Codex jsou hodnoceny pouze v rámci svých samostatných srovnávacích skupin.
- Rozdělit
- Rozdělit
- Spuštěné úlohy / celkem úloh
- Jedinečné úlohy se zveřejněným během / všech 152 úloh v plném splitu. Míra úspěšnosti používá plný split jako jmenovatel; nespuštěné úlohy se nepočítají jako úspěchy.