השוואת יכולות מודלי AI
מדע ומתמטיקה
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.
| מס' | מודל | 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 | 73.1Claude Opus 5.5 | 69.6Claude Opus 5.5 | 63.3Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 85.4GPT-6 Astra | 72GPT-6 Astra | 68.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — |
| 4 | Claude Fable 5.1 | 68.6Claude Fable 5.1 | 65.6Claude Fable 5.1 | 52.6Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 88.8Gemini 4 Argon | 76Gemini 4 Argon | 57.6Gemini 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)
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 ↗
LABBench 2 · Source date unknown
RiemannBench · Source date unknown
Terminal-Bench Science 0.1 · 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.
- LABBench 2בנצ'מרק מעבדה 2
- בודק משימות מחקר בביולוגיה, כולל מידע מדעי וניתוח נתונים. התוצאות תלויות בכלים הזמינים במהלך ההערכה. מתודולוגיית הערכה ↗
- RiemannBenchבנצ'מרק מתמטיקה Riemann
- בודק בעיות מתמטיקה ברמת מחקר מעבר לתרגילי תחרות רגילים. הציונים משקפים ביצועים בבנצ'מרק ולא שליטה מתמטית כללית. מתודולוגיית הערכה ↗
- Terminal-Bench Science 0.1בנצ'מרק טרמינל מדעי 0.1
- בודק זרימות עבודה של מחקר מדעי המבוצעות באמצעות כלי מסוף. גרסת 0.1 נפרדת מקבוצת המשימות הכללית של Terminal-Bench. מתודולוגיית הערכה ↗
קראו ציונים בתוך אותו בנצ'מרק, אותו מקור ואותה גרסה. ערכים גבוהים יותר מצביעים על ביצועים חזקים יותר במדד המדווח, אך עמודות שונות אינן חולקות סקאלה משותפת.