Vergleich der Fähigkeiten von KI-Modellen
Wissenschaft & Mathematik
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. | Modell | 4/11 recent-year models have scores | 4/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 73.1Claude Opus 5.5 | 69.6Claude Opus 5.5 | 63.3Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 85.4GPT-6 Astra | 72GPT-6 Astra | 68.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — |
| 4 | Claude Fable 5.1 | 68.6Claude Fable 5.1 | 65.6Claude Fable 5.1 | 52.6Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 88.8Gemini 4 Argon | 76Gemini 4 Argon | 57.6Gemini 4 Argon |
| 6 | Claude Sonnet 5.5 | — | — | — |
| 7 | Claude Opus 5 | — | — | — |
| 8 | GPT-6 Sol | — | — | — |
| 9 | GPT-6 Luna | — | — | — |
| 10 | Claude Haiku 5.5 | — | — | — |
| 11 | Claude Mythos Preview | — | — | — |
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 ↗
LABBench 2 · Source date unknown
RiemannBench · Source date unknown
Terminal-Bench Science 0.1 · 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.
- LABBench 2Labor-Benchmark 2
- Testet biologische Forschungsaufgaben, einschließlich wissenschaftlicher Information und Datenanalyse. Die Ergebnisse hängen von den während der Evaluierung verfügbaren Tools ab. Evaluierungsmethodik ↗
- RiemannBenchRiemann-Mathematik-Benchmark
- Testet Mathematikprobleme auf Forschungsniveau, die über gewöhnliche Wettbewerbsaufgaben hinausgehen. Die Punktzahlen spiegeln die Leistung im Benchmark wider, nicht allgemeine mathematische Beherrschung. Evaluierungsmethodik ↗
- Terminal-Bench Science 0.1Wissenschaftlicher Terminal-Benchmark 0.1
- Testet wissenschaftliche Forschungs-Workflows, die mit Terminal-Tools durchgeführt werden. Die Version 0.1 ist getrennt vom allgemeinen Terminal-Bench-Aufgabensatz. Evaluierungsmethodik ↗
Werte nur innerhalb desselben Benchmarks, derselben Quelle und Version interpretieren. Höhere Werte weisen auf eine stärkere Leistung bei der berichteten Metrik hin, aber verschiedene Spalten haben keine gemeinsame Skala.