AI-modellers kapacitetssammenligning
Computerbrug
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
| Nr. | Model | Agentmotor | Ræsonneringsindsats | Opdel | Udførte opgaver / samlede opgaver | ||
|---|---|---|---|---|---|---|---|
| 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 · professionelle arbejdsgange
Kilde: Agents’ Last Exam ↗ · CC BY 4.0 · Hentet 21. okt. 2026, 06.00 UTC
ALE-V1 · full · max · Codex · Source date unknown
PandaNpc Opdateret 21. okt. 2026, 06.01 UTC
Kilde: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Kolonneguide
- Nr.
- Kun visningsrækkefølge. Sortering ændrer dette tal; det er ikke en offentliggjort kapacitetsrangering.
- Model
- Navnet på den evaluerede model og dens udbyderikon. En bindestreg i en scorekolonne betyder, at der ikke er en offentliggjort score tilgængelig her, ikke et nul.
- Agentmotor
- Codex
- Ræsonneringsindsats
- max
- Score
- ALE-V1 fuld split, maksimal ræsonneringsindsats: procentdel af alle 152 opgaver, der opnår fuld point. Antallet af kørte opgaver kan være under 152. Professionelle arbejdsgange tillader GUI- og kommandolinjeværktøjer; Claude Code og Codex bruger forskellige harnesses. Dette er ikke en sammenligning, der kun omfatter GUI. Der er ikke offentliggjort en upstream-snapshotdato; hentetiden vises separat. Claude Code og Codex rangeres kun inden for deres separate sammenligningsgrupper. Evalueringsmetodik ↗
- Delvis score
- ALE-V1 fuld opdeling, maksimal ræsonneringsindsats: den offentliggjorte gennemsnitlige delvise opgavescore, konverteret fra 0–1 til en procentdel. Dette er ikke beståelsesraten for hele opgaven. Professionelle arbejdsgange tillader GUI- og kommandolinjeværktøjer; Claude Code og Codex bruger forskellige harnesses. Antal kørte opgaver og opdelingen i 152 opgaver vises. Der er ikke offentliggjort en upstream-snapshotdato; hentetidspunktet vises separat. Claude Code og Codex rangeres kun inden for deres separate sammenligningsgrupper.
- Opdel
- Opdel
- Udførte opgaver / samlede opgaver
- Unikke opgaver med en offentliggjort kørsel / alle 152 opgaver i det fulde split. Beståelsesraten bruger det fulde split som nævner; opgaver, der ikke er kørt, tælles ikke som beståede.