Comparaison des capacités des modèles d'IA
Utilisation d'ordinateur
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
| N° | Modèle | Moteur de l’agent | Effort de raisonnement | Répartition | Tâches exécutées / total des tâches | ||
|---|---|---|---|---|---|---|---|
| 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 · flux de travail professionnels
Source: Agents’ Last Exam ↗ · CC BY 4.0 · Récupéré 21 oct. 2026, 06:00 UTC
ALE-V1 · full · max · Codex · Source date unknown
PandaNpc Mis à jour 21 oct. 2026, 06:01 UTC
Source: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Guide des colonnes
- N°
- Ordre d'affichage uniquement. Le tri modifie ce numéro ; il ne s'agit pas d'un classement de capacité publié.
- Modèle
- Le nom du modèle évalué et l'icône de son fournisseur. Un tiret dans une colonne de score signifie qu'aucun score publié n'est disponible ici, et non un zéro.
- Moteur de l’agent
- Codex
- Effort de raisonnement
- max
- Score
- ALE-V1 split complet, effort de raisonnement maximal : pourcentage de l’ensemble des 152 tâches ayant reçu le crédit complet. Le nombre de tâches exécutées peut être inférieur à 152. Les workflows professionnels autorisent les outils GUI et en ligne de commande ; Claude Code et Codex utilisent des harnais différents. Il ne s’agit pas d’une comparaison limitée à la GUI. Aucune date d’instantané en amont n’est publiée ; l’heure de récupération est affichée séparément. Claude Code et Codex ne sont classés qu’au sein de leurs groupes de comparaison respectifs. Méthodologie d'évaluation ↗
- Score partiel
- ALE-V1 split complet, effort de raisonnement maximal : le score moyen partiel de tâche publié, converti de 0–1 en pourcentage. Il ne s'agit pas du taux de réussite sur la tâche complète. Les workflows professionnels autorisent les outils GUI et en ligne de commande ; Claude Code et Codex utilisent des harnais différents. Le nombre d'exécutions de tâches et le split de 152 tâches sont indiqués. Aucune date de snapshot amont n'est publiée ; l'heure de récupération est indiquée séparément. Claude Code et Codex ne sont classés qu'au sein de leurs groupes de comparaison distincts.
- Répartition
- Répartition
- Tâches exécutées / total des tâches
- Tâches distinctes avec une exécution publiée / toutes les 152 tâches du split complet. Le taux de réussite utilise le split complet comme dénominateur ; les tâches non exécutées ne sont pas comptées comme réussites.