Vergleich der Fähigkeiten von KI-Modellen
Computernutzung
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. | Modell | Agent-Engine | Reasoning-Aufwand | Aufteilen | Ausgeführte Aufgaben / Gesamtaufgaben | ||
|---|---|---|---|---|---|---|---|
| 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 Workflows
Quelle: Agents’ Last Exam ↗ · CC BY 4.0 · Abgerufen 21. Okt. 2026, 06:00 UTC
ALE-V1 · full · max · Codex · Source date unknown
PandaNpc Aktualisiert 21. Okt. 2026, 06:01 UTC
Quelle: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Spaltenleitfaden
- Nr.
- Nur Anzeigereihenfolge. Sortierung ändert diese Nummer; sie ist kein veröffentlichter Fähigkeitsrang.
- Modell
- Der Name des bewerteten Modells und sein Anbietersymbol. Ein Bindestrich in einer Wertspalte bedeutet, dass hier kein veröffentlichter Wert verfügbar ist, nicht eine Null.
- Agent-Engine
- Codex
- Reasoning-Aufwand
- max
- Punktzahl
- ALE-V1 vollständiger Split, maximaler Reasoning-Aufwand: Prozentsatz aller 152 Aufgaben, die die volle Punktzahl erhalten. Die Run-Task-Anzahlen können unter 152 liegen. Professionelle Workflows erlauben GUI- und Kommandozeilen-Tools; Claude Code und Codex verwenden unterschiedliche Harnesses. Dies ist kein reiner GUI-Vergleich. Es wird kein Upstream-Snapshot-Datum veröffentlicht; die Abrufzeit wird separat angezeigt. Claude Code und Codex werden nur innerhalb ihrer separaten Vergleichsgruppen eingestuft. Evaluierungsmethodik ↗
- Teilpunktzahl
- ALE-V1 vollständiger Split, maximaler Reasoning-Aufwand: der veröffentlichte durchschnittliche Teilaufgaben-Score, von 0–1 in einen Prozentsatz umgerechnet. Dies ist nicht die Bestehensrate für vollständige Aufgaben. Professionelle Workflows erlauben GUI- und Kommandozeilen-Tools; Claude Code und Codex verwenden unterschiedliche Harnesses. Run-Task-Anzahlen und der 152-Task-Split werden angezeigt. Es wird kein Upstream-Snapshot-Datum veröffentlicht; die Abrufzeit wird separat angezeigt. Claude Code und Codex werden nur innerhalb ihrer getrennten Vergleichsgruppen gerankt.
- Aufteilen
- Aufteilen
- Ausgeführte Aufgaben / Gesamtaufgaben
- Eindeutige Aufgaben mit einem veröffentlichten Lauf / alle 152 Aufgaben im vollständigen Split. Die Bestehensrate verwendet den vollständigen Split als Nenner; nicht ausgeführte Aufgaben zählen nicht als bestanden.