AI मॉडल क्षमता तुलना
एजेंटिक कोडिंग
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.
| क्र. | मॉडल | 10/11 recent-year models have scores | 7/11 recent-year models have scores |
|---|---|---|---|
| 1 |  Claude Opus 5.5 | 54.64medium · claude-codeclaude-opus-5-5_medium | 62.33max · proximusclaude-opus-5-5_max |
| 2 |  GPT-6 Astra | 53.26max · codexgpt-6-astra_max | 65.51max · proximusgpt-6-astra_max |
| 3 | GPT-6.1 Sol | 50.23medium · codexgpt-6.1-sol_medium | — |
| 4 | Claude Fable 5.1 | 50.91medium · claude-codeclaude-fable-5-1_medium | 56.29max · proximusclaude-fable-5-1_max |
| 5 |  Gemini 4 Argon | 47.55medium · chiselgemini-4-argon_medium | 54.96high · proximusgemini-4-argon_high |
| 6 | Claude Sonnet 5.5 | 52.09xhigh · claude-codeclaude-sonnet-5-5_xhigh | 61.89max · proximusclaude-sonnet-5-5_max |
| 7 | Claude Opus 5 | 53.38medium · claude-codeclaude-opus-5_max | 52.01max · proximusclaude-opus-5_max |
| 8 | GPT-6 Sol | 49.27max · codexgpt-6-sol_max | — |
| 9 | GPT-6 Luna | 42.42max · codexgpt-6-luna_max | — |
| 10 | Claude Haiku 5.5 | 46.36max · claude-codeclaude-haiku-5-5_max | 43.77max · proximusclaude-haiku-5-5_max |
| 11 | Claude Mythos Preview | — | — |
एपॉक एआई बेंचमार्क
स्रोत: Epoch AI, CC BY 4.0 ↗ · अपडेटेड 2026-10-15
FrontierCode · अपडेटेड 2026-10-07
FrontierSWE · अपडेटेड 2026-10-07
PandaNpc अपडेटेड 21 अक्टू॰ 2026, 06:01 UTC
स्रोत: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
स्तंभ गाइड
- क्र.
- केवल प्रदर्शन क्रम। क्रमबद्ध करने पर यह संख्या बदलती है; यह प्रकाशित क्षमता रैंक नहीं है।
- मॉडल
- मूल्यांकित मॉडल का नाम और उसके प्रदाता का आइकन। स्कोर स्तंभ में डैश का अर्थ है कि यहाँ कोई प्रकाशित स्कोर उपलब्ध नहीं है, शून्य नहीं।
- FrontierCodeFrontierCode प्रोग्रामिंग
- परीक्षण करता है कि कोड परिवर्तन मेंटेनरों की मर्जिंग आवश्यकताओं को पूरा करते हैं या नहीं, कार्यात्मक जाँचों को गुणवत्ता मानदंडों के साथ जोड़ते हुए। मूल्यांकन पद्धति ↗
- FrontierSWEFrontierSWE सॉफ़्टवेयर इंजीनियरिंग
- कठिन इंजीनियरिंग और तकनीकी शोध कार्यों का परीक्षण करता है। स्कोर प्रकाशित कार्य मूल्यांकन को दर्शाते हैं, जिसमें संस्करण और एजेंट सेटअप तुलनीयता को प्रभावित करते हैं। मूल्यांकन पद्धति ↗
स्कोर को एक ही बेंचमार्क, स्रोत और संस्करण के भीतर पढ़ें। उच्च मान रिपोर्ट किए गए मीट्रिक पर मजबूत प्रदर्शन दर्शाते हैं, लेकिन अलग-अलग स्तंभ एक सामान्य स्केल साझा नहीं करते।