השוואת יכולות מודלי AI
שימוש במחשב
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.
Agent's Last Exam — Pass rateבחינה מסכמת של סוכן — שיעור מעבר
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| מס' | מודל | |
|---|---|---|
| 1 |  Gemini 4 ArgonGemini 4 Argon | 39.5Pass rate |
| 2 |  Claude Opus 5.5Claude Opus 5.5 | 38.2Pass rate |
| 3 |  GPT-6 AstraGPT-6 Astra | 34.2Pass rate |
Google DeepMind (model card)
מקור: Google DeepMind (model card) ↗
כרטיס המודל של Google: תוצאות המפרסם וציוני צד שלישי שפורסמו מחדש, נכון לאוקטובר 2026. ראו מתודולוגיה להגדרות ההערכה; לא כל אלה הערכות בלתי תלויות. מתודולוגיית הערכה ↗
Agent's Last Exam — Pass rate · Source date unknown
PandaNpc עודכן 21 באוק׳ 2026, 06:01 UTC
מקור: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
מדריך עמודות
- מס'
- סדר תצוגה בלבד. המיון משנה את המספר הזה; זה אינו דירוג יכולת מפורסם.
- מודל
- שם המודל המוערך והאייקון של הספק שלו. מקף בעמודת ציון מציין שלא זמין כאן ציון מפורסם, ולא אפס.
- ציון
- בודק עבודה מקצועית באופק ארוך בסביבות תוכנה אמיתיות. שיעור ההצלחה סופר משימות שמשיגות את התוצאה הנדרשת, ולא רק התקדמות חלקית. מתודולוגיית הערכה ↗
- כיסוי
- מוצגות רק תוצאות שפורסמו עבור משפחות המודלים הנבחרות. OSWorld 2.x, Verified ו-Pro מספקים כעת תצורות של Claude Opus 5; זהו לא כיסוי מלא של כל מודל. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web ו-WorkArena++ טרם שולבו כאן. SafeArena מודד בטיחות בנפרד ואינו ממוזג לציוני השלמת משימות. תוצאות חסרות לעולם אינן ממולאות באפס.