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.
No benchmarks from this source cover at least 3 recent-year models. Choose another source.
— means no published score for this candidate in this source, not zero.0/11 recent-year models have scores
Δοκιμασίες Epoch AI
Πηγή: Epoch AI, CC BY 4.0 ↗ · Ενημερώθηκε 2026-10-15
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.
- Βαθμολογία
- Αυτή η πηγή δημοσιεύει βαθμολογία benchmark. Ανοίξτε τη μεθοδολογία της για τον ορισμό της εργασίας και τους κανόνες βαθμολόγησης. Μεθοδολογία αξιολόγησης ↗
- Κάλυψη
- Εμφανίζονται μόνο δημοσιευμένα αποτελέσματα για τις επιλεγμένες οικογένειες μοντέλων. Τα OSWorld 2.x, Verified και Pro παρέχουν επί του παρόντος διαμορφώσεις Claude Opus 5· αυτό δεν είναι πλήρης κάλυψη κάθε μοντέλου. Τα Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web και WorkArena++ δεν έχουν ακόμη ενσωματωθεί εδώ. Το SafeArena μετρά την ασφάλεια ξεχωριστά και δεν συγχωνεύεται στις βαθμολογίες ολοκλήρωσης εργασιών. Τα αποτελέσματα που λείπουν δεν συμπληρώνονται ποτέ με μηδέν.