AI-modellek képességeinek összehasonlítása
Számítógép-használat
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
| Sz. | Modell | Ügynökmotor | Érvelési erőfeszítés | Bontás | Futtatott feladatok / összes feladat | ||
|---|---|---|---|---|---|---|---|
| 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 · professzionális munkafolyamatok
Forrás: Agents’ Last Exam ↗ · CC BY 4.0 · Lekérve 2026. okt. 21. 06:00 UTC
ALE-V1 · full · max · Codex · Source date unknown
PandaNpc Frissítve 2026. okt. 21. 06:01 UTC
Forrás: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Oszlopismertető
- Sz.
- Csak megjelenítési sorrend. A rendezés megváltoztatja ezt a számot; ez nem egy közzétett képességi rangsor.
- Modell
- A kiértékelt modell neve és a szolgáltató ikonja. A pontszámoszlopban szereplő kötőjel azt jelenti, hogy itt nem érhető el közzétett pontszám, nem pedig nullát.
- Ügynökmotor
- Codex
- Érvelési erőfeszítés
- max
- Pontszám
- ALE-V1 teljes felosztás, maximális érvelési erőfeszítés: az összes 152 feladatból teljes pontszámot kapó feladatok százaléka. A futtatott feladatok száma 152 alatt is lehet. A professzionális munkafolyamatok GUI- és parancssori eszközöket is engedélyeznek; a Claude Code és a Codex különböző harnesseket használ. Ez nem kizárólag GUI-alapú összehasonlítás. Nincs közzétett upstream pillanatkép-dátum; a lekérés ideje külön látható. A Claude Code és a Codex csak a saját, külön összehasonlítási csoportjukon belül van rangsorolva. Értékelési módszertan ↗
- Részleges pontszám
- ALE-V1 teljes felosztás, maximális érvelési erőfeszítés: a közzétett átlagos részfeladat-pontszám, 0–1-ről százalékra átváltva. Ez nem a teljes feladat teljesítési aránya. A professzionális munkafolyamatok GUI- és parancssori eszközöket engedélyeznek; a Claude Code és a Codex különböző harnesseket használ. A futtatási feladatok száma és a 152 feladatos felosztás látható. Nincs közzétett upstream pillanatkép-dátum; a lekérés ideje külön látható. A Claude Code és a Codex csak a saját külön összehasonlító csoportjukon belül van rangsorolva.
- Bontás
- Bontás
- Futtatott feladatok / összes feladat
- Különálló feladatok közzétett futtatással / mind a 152 feladat a teljes felosztásban. A teljesítési arány nevezője a teljes felosztás; a nem futtatott feladatok nem számítanak teljesítettnek.