Σύγκριση Ικανοτήτων Μοντέλων AI
Κυβερνοασφάλεια
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.
| Αρ. | Μοντέλο | 4/11 recent-year models have scores |
|---|---|---|
| 1 |  Claude Opus 5.5 | 67Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 68GPT-6 Astra |
| 3 | GPT-6.1 Sol | — |
| 4 | Claude Fable 5.1 | 58Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 68Gemini 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)
Πηγή: Google DeepMind (model card) ↗
Κάρτα μοντέλου Google: αποτελέσματα εκδότη και αναδημοσιευμένες βαθμολογίες τρίτων, με στοιχεία Οκτωβρίου 2026. Δείτε τη μεθοδολογία για τις ρυθμίσεις αξιολόγησης· αυτές δεν είναι όλες ανεξάρτητες αξιολογήσεις. Μεθοδολογία αξιολόγησης ↗
CWE-bench v1 · 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.
- CWE-bench v1Benchmark κοινών αδυναμιών v1
- Ελέγχει την εύρεση και επιδιόρθωση αδυναμιών λογισμικού διατηρώντας τη λειτουργικότητα. Αυτό είναι ένα αμυντικό πρότυπο αξιολόγησης ελέγχου και επιδιόρθωσης, όχι βαθμολογία ανάπτυξης εκμετάλλευσης. Μεθοδολογία αξιολόγησης ↗
Διαβάστε τις βαθμολογίες εντός του ίδιου benchmark, της ίδιας πηγής και έκδοσης. Υψηλότερες τιμές υποδηλώνουν ισχυρότερη απόδοση στη μετρική που αναφέρεται, αλλά οι διαφορετικές στήλες δεν μοιράζονται κοινή κλίμακα.