AI मॉडल क्षमता तुलना
कंप्यूटर उपयोग
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
| क्र. | मॉडल | एजेंट इंजन | तर्क प्रयास | विभाजित | चलाए गए कार्य / कुल कार्य | ||
|---|---|---|---|---|---|---|---|
| 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 · पेशेवर कार्यप्रवाह
स्रोत: Agents’ Last Exam ↗ · CC BY 4.0 · प्राप्त किया गया 21 अक्टू॰ 2026, 06:00 UTC
ALE-V1 · full · max · Codex · Source date unknown
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।
- एजेंट इंजन
- Codex
- तर्क प्रयास
- max
- स्कोर
- ALE-V1 पूर्ण स्प्लिट, अधिकतम रीज़निंग प्रयास: सभी 152 कार्यों में से पूर्ण क्रेडिट पाने वाले कार्यों का प्रतिशत। रन-टास्क गणनाएँ 152 से कम हो सकती हैं। पेशेवर वर्कफ़्लो GUI और कमांड-लाइन टूल की अनुमति देते हैं; Claude Code और Codex अलग-अलग हार्नेस का उपयोग करते हैं। यह केवल-GUI तुलना नहीं है। कोई अपस्ट्रीम स्नैपशॉट तिथि प्रकाशित नहीं है; फ़ेच समय अलग से दिखाया गया है। Claude Code और Codex को केवल उनके अलग-अलग तुलना समूहों के भीतर रैंक किया गया है। मूल्यांकन पद्धति ↗
- आंशिक स्कोर
- ALE-V1 पूर्ण स्प्लिट, अधिकतम रीज़निंग प्रयास: प्रकाशित औसत आंशिक टास्क स्कोर, जिसे 0–1 से प्रतिशत में बदला गया है। यह पूर्ण-टास्क पास दर नहीं है। पेशेवर वर्कफ़्लो GUI और कमांड-लाइन टूल की अनुमति देते हैं; Claude Code और Codex अलग-अलग हार्नेस का उपयोग करते हैं। रन-टास्क गणनाएँ और 152-टास्क स्प्लिट दिखाए गए हैं। कोई अपस्ट्रीम स्नैपशॉट तिथि प्रकाशित नहीं है; फ़ेच समय अलग से दिखाया गया है। Claude Code और Codex को केवल उनके अलग तुलना समूहों के भीतर रैंक किया गया है।
- विभाजित
- विभाजित
- चलाए गए कार्य / कुल कार्य
- प्रकाशित रन वाले अलग-अलग टास्क / पूर्ण स्प्लिट में सभी 152 टास्क। पास दर अपने हर में पूर्ण स्प्लिट का उपयोग करती है; न चलाए गए टास्क को पास नहीं गिना जाता।