AI-mallien kyvykkyysvertailu
Kyberturvallisuus
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.
| Nro. | Malli | 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)
Lähde: Google DeepMind (model card) ↗
Google-mallikortti: julkaisijan tulokset ja uudelleenjulkaistut kolmannen osapuolen pisteet lokakuun 2026 tilanteen mukaan. Katso arviointiasetukset menetelmäosiosta; nämä eivät ole kaikki riippumattomia arviointeja. Arviointimenetelmä ↗
CWE-bench v1 · 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.
- CWE-bench v1Yleisten heikkouksien benchmark v1
- Testaa ohjelmistojen heikkouksien löytämistä ja korjaamista toiminnallisuuden säilyttäen. Tämä on puolustava auditointi- ja korjausvertailumittari, ei exploit-kehityksen pistemäärä. Arviointimenetelmä ↗
Lue pisteet saman vertailutestin, lähteen ja version sisällä. Korkeammat arvot osoittavat vahvempaa suoritusta raportoidulla mittarilla, mutta eri sarakkeilla ei ole yhteistä asteikkoa.