AI-modellers kapacitetssammenligning
Vidensarbejde
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.
— means no published score for this candidate in this source, not zero.
| Nr. | Model | 10/11 recent-year models have scores | 3/11 recent-year models have scores |
|---|---|---|---|
| 1 |  Claude Opus 5.5 | 73.5maxclaude-opus-5-5_max | 21.25unknownclaude-opus-5-5_unknown |
| 2 |  GPT-6 Astra | 64.7unknowngpt-6-astra_unknown | 20.83unknowngpt-6-astra_unknown |
| 3 | GPT-6.1 Sol | 60maxgpt-6.1-sol_max | — |
| 4 | Claude Fable 5.1 | 68.6unknownclaude-fable-5-1_unknown | 17.92unknownclaude-fable-5-1_unknown |
| 5 |  Gemini 4 Argon | 82.4unknowngemini-4-argon_unknown | — |
| 6 | Claude Sonnet 5.5 | 75.5maxclaude-sonnet-5-5_max | — |
| 7 | Claude Opus 5 | 65.8maxclaude-opus-5_max | — |
| 8 | GPT-6 Sol | 54.3maxgpt-6-sol_max | — |
| 9 | GPT-6 Luna | 44.3maxgpt-6-luna_max | — |
| 10 | Claude Haiku 5.5 | 56.1maxclaude-haiku-5-5_max | — |
| 11 | Claude Mythos Preview | — | — |
Epoch AI-benchmarks
Kilde: Epoch AI, CC BY 4.0 ↗ · Opdateret 2026-10-15
APEX-Agents · Opdateret 2026-10-15
Remote Labor Index · Opdateret 2026-09-22
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.
- APEX-AgentsProfessionelle agentopgaver
- Tester professionelle opgaver med lang tidshorisont inden for investeringsbank, konsulentvirksomhed og selskabsret, som ofte kræver flere applikationer. Evalueringsmetodik ↗
- Remote Labor IndexFjernarbejdsindeks
- Tester at gennemføre rigtige fjernarbejdsprojekter fra start til slut, hvor leverancer evalueres i forhold til projektkrav. Evalueringsmetodik ↗
Læs scores inden for samme benchmark, kilde og version. Højere værdier indikerer stærkere ydeevne på den rapporterede metrik, men forskellige kolonner deler ikke en fælles skala.