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.
Coarena · vegyes feladatok
— means no published score for this candidate in this source, not zero.7/11 recent-year models have scores
| Sz. | Modell | Ügynökmotor | Érvelési erőfeszítés | 95%-os intervallum | |
|---|---|---|---|---|---|
| 1 |  GPT-6 Solgpt-6-sol | Coarena | medium | 1043 | 985–1101 |
| 2 | GPT-6.1 Solgpt-6.1-sol | Coarena | medium | 1025 | 965–1085 |
| 3 | GPT-6 Lunagpt-6-luna | Coarena | medium | 1018 | 966–1070 |
| 4 |  Claude Opus 5.5claude-opus-5-5 | Coarena | medium | 1010 | 973–1047 |
| 5 | Claude Fable 5.1claude-fable-5-1 | Coarena | medium | 1001 | 968–1034 |
| 6 | Claude Sonnet 5.5claude-sonnet-5-5 | Coarena | medium | 989 | 928–1050 |
| 7 | GPT-6 Astragpt-6-astra | Coarena | medium | 976 | 936–1016 |
Coarena · vegyes feladatok
Forrás: Coarena ↗ · Lekérve 2026. okt. 21. 06:00 UTC
Coarena · vegyes feladatok · 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
- Coarena
- Érvelési erőfeszítés
- medium
- Pontszám
- Vak emberi preferenciaértékelés vegyes böngészős, asztali, kódolási és kérdés-válasz feladatokon a Coarena tesztkörnyezetében. Ez Bradley–Terry-értékelés, nem százalékos arány vagy igazolt feladatsiker. Az intervallum 95%-os; az átfedő intervallumok nem állapítanak meg győztest. Ezek átfogó eredmények, nem az asztali részhalmaz. A gondolkodási erőfeszítés csak közzététel esetén látható. A rangsor a legutóbbi 20 000 jogosult, megítélt összecsapást használja; a PandaNpc a lekérési idejét mutatja, mert ez a pillanatkép nem tartalmaz számítási időbélyeget. Értékelési módszertan ↗
- 95%-os intervallum
- 95%-os intervallum