AI-mallien kyvykkyysvertailu
Tietotyö
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 | 4/11 recent-year models have scores | 4/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 42.5ScoreClaude Opus 5.5 | 3.8Claude Opus 5.5 | 58.6Claude Opus 5.5 | 67Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 41.4ScoreGPT-6 Astra | 5.4GPT-6 Astra | 53.5GPT-6 Astra | 63.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — | — |
| 4 | Claude Fable 5.1 | 31.4ScoreClaude Fable 5.1 | 6.7Claude Fable 5.1 | 58.9Claude Fable 5.1 | 65.8Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 51.3ScoreGemini 4 Argon | 19.6Gemini 4 Argon | 65.4Gemini 4 Argon | 68.9Gemini 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 ↗
AutomationBench — Score · Source date unknown
Harvey's Legal Agent Benchmark · Source date unknown
Vals Finance Agent v2 · Source date unknown
Vals Index · 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.
- AutomationBench — ScoreAutomaatiobenchmark — pistemäärä
- Testaa, suorittaako agentti liiketoimintatyönkulkuja useiden sovellusten välillä. Viralliset pisteet käyttävät yksityistä tehtäväjoukkoa ja tarkistavat työnkulun lopputilan. Arviointimenetelmä ↗
- Harvey's Legal Agent BenchmarkHarveyn oikeudellinen agenttibenchmark
- Testaa agentteja, jotka lukevat ja muokkaavat tiedostoja tuottaakseen monivaiheisia oikeudellisia työtuotteita. Tehtävä läpäisee vain, kun jokainen arvosteluvaatimus täyttyy. Pistemäärä on kahden arvioijan keskimääräinen tehtävän läpäisyaste; korkeampi on parempi. Se ei ole yksittäisten kriteerien läpäisyprosentti, ja se mittaa oikeudellisten agenttien työnkulkuja eikä LegalBenchin oikeudellisen päättelyn kysymyksiä. Arviointimenetelmä ↗
- Vals Finance Agent v2Vals talousagentti v2
- Testaa talousanalyysiä haun, talousraporttien ja laskentatyökalujen avulla, mukaan lukien asiakirjojen väliset tietotarkistukset, yritysten suorituskykyvertailut ja arvonmääritys. Päämittari on Partial Credit, joka keskiarvoistetaan kolmen ajon yli: vastaustarkistukset saavat vakavuuteen perustuvat painot, ja kriittinen dealbreaker-virhe tekee kyseisen kysymyksen pistemääräksi nollan. Korkeampi on parempi. Tämä eroaa erillisestä All-Pass-mittarista eikä ole koko kysymyksen läpäisyaste. Arviointimenetelmä ↗
- Vals IndexVals-yhdistelmäindeksi
- Yhdistelmäindeksi ammattimaisista tehtävistä muun muassa talouden, koodauksen ja oikeuden aloilta. Sen prosentuaalinen pistemäärä yhdistää benchmark-tulokset kyseisen julkaistun version painotusmenetelmällä; korkeampi tarkoittaa vahvempaa kokonaissuoritusta, ei yksittäisen tehtävän tarkkuutta. Mukana olevat osa-alueet ja painot muuttuvat versioiden välillä, joten uudempaa menetelmää ei saa soveltaa takautuvasti vanhempiin pistetulosten tilannekuviin. Arviointimenetelmä ↗
Lue pisteet saman vertailutestin, lähteen ja version sisällä. Korkeammat arvot osoittavat vahvempaa suoritusta raportoidulla mittarilla, mutta eri sarakkeilla ei ole yhteistä asteikkoa.