AI-mallien kyvykkyysvertailu
Tietokoneen käyttö
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.
ALE-V1 · full · max · Codex
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| Nro. | Malli | Agenttimoottori | Päättelypanostus | Jaettu | Suoritetut tehtävät / tehtävät yhteensä | ||
|---|---|---|---|---|---|---|---|
| 1 |  GPT-6 Astragpt-6-astra | Codex | max | 34.21% | 59.26% | full | 151 / 152 |
| 2 | GPT-6 Solgpt-6-sol | Codex | max | 31.58% | 58.57% | full | 151 / 152 |
| 3 | GPT-6 Lunagpt-6-luna | Codex | max | 25% | 50.89% | full | 150 / 152 |
ALE · ammattityönkulut
Lähde: Agents’ Last Exam ↗ · CC BY 4.0 · Haettu 21.10.2026 klo 06.00 UTC
ALE-V1 · full · max · Codex · Source date unknown
PandaNpc Päivitetty 21.10.2026 klo 06.01 UTC
Lähde: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Sarakkeiden opas
- Nro.
- Vain näyttöjärjestys. Lajittelu muuttaa tätä numeroa; se ei ole julkaistu kyvykkyyssijoitus.
- Malli
- Arvioidun mallin nimi ja sen tarjoajan kuvake. Viiva pistesarakkeessa tarkoittaa, ettei julkaistua pistettä ole saatavilla tässä, ei nollaa.
- Agenttimoottori
- Codex
- Päättelypanostus
- max
- Pisteet
- ALE-V1:n koko aineistojako, maksimaalinen päättelypanostus: prosenttiosuus kaikista 152 tehtävästä, jotka saivat täydet pisteet. Ajettujen tehtävien määrä voi olla alle 152. Ammattimaiset työnkulut sallivat GUI- ja komentorivityökalut; Claude Code ja Codex käyttävät erilaisia harnesseja. Tämä ei ole vain GUI-pohjainen vertailu. Ylävirran tilannekuvan päivämäärää ei julkaista; hakuaika näytetään erikseen. Claude Code ja Codex sijoitetaan vain omiin erillisiin vertailuryhmiinsä. Arviointimenetelmä ↗
- Osittainen pistemäärä
- ALE-V1:n koko jaottelu, maksimaalinen päättelypanostus: julkaistu keskimääräinen osittainen tehtäväpistemäärä muunnettuna asteikolta 0–1 prosentiksi. Tämä ei ole kokonaisten tehtävien läpäisyprosentti. Ammattimaiset työnkulut sallivat GUI- ja komentorivityökalut; Claude Code ja Codex käyttävät eri harnesseja. Suoritettujen tehtävien määrät ja 152 tehtävän jaottelu näytetään. Ylävirran tilannekuvan päivämäärää ei julkaista; noutoaika näytetään erikseen. Claude Code ja Codex sijoittuvat vain omiin erillisiin vertailuryhmiinsä.
- Jaettu
- Jaettu
- Suoritetut tehtävät / tehtävät yhteensä
- Erilliset tehtävät, joista on julkaistu ajo / kaikki 152 tehtävää koko jaossa. Läpäisyprosentti käyttää koko jakoa nimittäjänään; ajamattomia tehtäviä ei lasketa läpäistyiksi.