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.
Agent's Last Exam — Pass rateAgenten-Abschlussprüfung — Bestehensquote
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| Nr. | Modell | |
|---|---|---|
| 1 |  Gemini 4 ArgonGemini 4 Argon | 39.5Pass rate |
| 2 |  Claude Opus 5.5Claude Opus 5.5 | 38.2Pass rate |
| 3 |  GPT-6 AstraGPT-6 Astra | 34.2Pass rate |
Google DeepMind (model card)
Quelle: Google DeepMind (model card) ↗
Google-Modellkarte: Ergebnisse des Herausgebers und erneut veröffentlichte Drittanbieter-Bewertungen, Stand Oktober 2026. Siehe Methodik für Evaluierungseinstellungen; nicht alle davon sind unabhängige Evaluierungen. Evaluierungsmethodik ↗
Agent's Last Exam — Pass rate · 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.
- Punktzahl
- Testet professionelle Long-Horizon-Arbeit in realen Softwareumgebungen. Die Bestehensquote zählt Aufgaben, die das erforderliche Ergebnis erfüllen, nicht nur teilweisen Fortschritt. Evaluierungsmethodik ↗
- Abdeckung
- Es werden nur veröffentlichte Ergebnisse für die ausgewählten Modellfamilien gezeigt. OSWorld 2.x, Verified und Pro liefern derzeit Claude Opus 5-Konfigurationen; dies ist keine vollständige Abdeckung jedes Modells. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web und WorkArena++ sind hier noch nicht integriert. SafeArena misst Sicherheit separat und wird nicht in Aufgabenabschluss-Scores eingerechnet. Fehlende Ergebnisse werden niemals mit null aufgefüllt.