Σύγκριση Ικανοτήτων Μοντέλων AI
Χρήση υπολογιστή
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.
Coarena · μικτές εργασίες
— means no published score for this candidate in this source, not zero.7/11 recent-year models have scores
| Αρ. | Μοντέλο | Μηχανή πράκτορα | Προσπάθεια συλλογισμού | διάστημα 95% | |
|---|---|---|---|---|---|
| 1 |  GPT-6 Solgpt-6-sol | Coarena | medium | 1043 | 985–1101 |
| 2 | GPT-6.1 Solgpt-6.1-sol | Coarena | medium | 1025 | 965–1085 |
| 3 | GPT-6 Lunagpt-6-luna | Coarena | medium | 1018 | 966–1070 |
| 4 |  Claude Opus 5.5claude-opus-5-5 | Coarena | medium | 1010 | 973–1047 |
| 5 | Claude Fable 5.1claude-fable-5-1 | Coarena | medium | 1001 | 968–1034 |
| 6 | Claude Sonnet 5.5claude-sonnet-5-5 | Coarena | medium | 989 | 928–1050 |
| 7 | GPT-6 Astragpt-6-astra | Coarena | medium | 976 | 936–1016 |
Coarena · μικτές εργασίες
Πηγή: Coarena ↗ · Ανακτήθηκε 21 Οκτ 2026, 06:00 (Συντονισμένη Παγκόσμια Ώρα)
Coarena · μικτές εργασίες · Source date unknown
PandaNpc Ενημερώθηκε 21 Οκτ 2026, 06:01 (Συντονισμένη Παγκόσμια Ώρα)
Πηγή: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Οδηγός στηλών
- Αρ.
- Μόνο σειρά εμφάνισης. Η ταξινόμηση αλλάζει αυτόν τον αριθμό· δεν αποτελεί δημοσιευμένη κατάταξη ικανοτήτων.
- Μοντέλο
- Το όνομα του αξιολογούμενου μοντέλου και το εικονίδιο του παρόχου του. Μια παύλα σε μια στήλη βαθμολογίας σημαίνει ότι δεν υπάρχει διαθέσιμη δημοσιευμένη βαθμολογία εδώ, όχι μηδέν.
- Μηχανή πράκτορα
- Coarena
- Προσπάθεια συλλογισμού
- medium
- Βαθμολογία
- Τυφλή βαθμολογία ανθρώπινης προτίμησης σε μικτές εργασίες περιηγητή, desktop, προγραμματισμού και ερωτήσεων-απαντήσεων στο πλαίσιο αξιολόγησης της Coarena. Πρόκειται για βαθμολογία Bradley–Terry, όχι ποσοστό ή επαληθευμένη επιτυχία εργασίας. Το διάστημα είναι 95%; αλληλοεπικαλυπτόμενα διαστήματα δεν αναδεικνύουν νικητή. Αυτά είναι συνολικά αποτελέσματα, όχι το υποσύνολο desktop. Η προσπάθεια συλλογισμού εμφανίζεται μόνο όταν δημοσιεύεται. Η κατάταξη χρησιμοποιεί τις 20.000 πιο πρόσφατες επιλέξιμες κριμένες αναμετρήσεις· το PandaNpc εμφανίζει την ώρα ανάκτησής του επειδή αυτό το στιγμιότυπο δεν παρέχει χρονική σήμανση υπολογισμού. Μεθοδολογία αξιολόγησης ↗
- διάστημα 95%
- διάστημα 95%