AI-mallien kyvykkyysvertailu
Pitkä konteksti
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 |
|---|---|---|---|
| 1 |  Claude Opus 5.5 | 66.8256k to 1M, BFS (F1)Claude Opus 5.5 | 90.6Up to 128k, BFS (F1)Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 71.8256k to 1M, BFS (F1)GPT-6 Astra | 98.7Up to 128k, BFS (F1)GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — |
| 4 | Claude Fable 5.1 | 65256k to 1M, BFS (F1)Claude Fable 5.1 | 91.4Up to 128k, BFS (F1)Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 84.2256k to 1M, BFS (F1)Gemini 4 Argon | 99.7Up to 128k, BFS (F1)Gemini 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 ↗
GraphWalks — 256k to 1M, BFS (F1) · Source date unknown
GraphWalks — Up to 128k, BFS (F1) · 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.
- GraphWalks — 256k to 1M, BFS (F1)Graafin läpikäynti — 256k–1M, leveyssuuntainen haku (F1)
- Testaa leveyssuuntaista graafin läpikäyntiä 256k–1M tokenin konteksteissa. F1 tasapainottaa tarkkuuden ja kattavuuden; tämä on erillinen pituusalue 128k-sarakkeesta. Arviointimenetelmä ↗
- GraphWalks — Up to 128k, BFS (F1)Graafin läpikäynti — enintään 128k, leveyssuuntainen haku (F1)
- Testaa leveyssuuntaista graafin läpikäyntiä enintään 128k tokenin konteksteilla. F1 tasapainottaa palautetun solmujoukon tarkkuuden ja kattavuuden. Arviointimenetelmä ↗
Lue pisteet saman vertailutestin, lähteen ja version sisällä. Korkeammat arvot osoittavat vahvempaa suoritusta raportoidulla mittarilla, mutta eri sarakkeilla ei ole yhteistä asteikkoa.