AI-modellek képességeinek összehasonlítása
Hosszú kontextus
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.
| Sz. | Modell | 4/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|
| 1 |  Claude Opus 5.5 | 66.8256k to 1M, BFS (F1)Claude Opus 5.5 | 90.6Up to 128k, BFS (F1)Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 71.8256k to 1M, BFS (F1)GPT-6 Astra | 98.7Up to 128k, BFS (F1)GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — |
| 4 | Claude Fable 5.1 | 65256k to 1M, BFS (F1)Claude Fable 5.1 | 91.4Up to 128k, BFS (F1)Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 84.2256k to 1M, BFS (F1)Gemini 4 Argon | 99.7Up to 128k, BFS (F1)Gemini 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)
Forrás: Google DeepMind (model card) ↗
Google modellkártya: a közzétevő eredményei és újraközölt harmadik féltől származó pontszámok, 2026. októberi állapot szerint. A kiértékelési beállításokhoz lásd a módszertant; ezek nem mind független értékelések. Értékelési módszertan ↗
GraphWalks — 256k to 1M, BFS (F1) · Source date unknown
GraphWalks — Up to 128k, BFS (F1) · 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.
- GraphWalks — 256k to 1M, BFS (F1)Gráfbejárás — 256k-tól 1M-ig, szélességi keresés (F1)
- A szélességi gráfbejárást teszteli 256k és 1M token közötti kontextusokban. Az F1 a precizitás és a visszahívás egyensúlyát méri; ez külön hossztartomány a 128k oszloptól. Értékelési módszertan ↗
- GraphWalks — Up to 128k, BFS (F1)Gráfbejárás — legfeljebb 128k, szélességi keresés (F1)
- A szélességi gráfbejárást teszteli legfeljebb 128k token kontextusban. Az F1 a visszaadott csomóponthalmaz precizitását és visszahívását egyensúlyozza. Értékelési módszertan ↗
A pontszámokat ugyanazon benchmark, forrás és verzió keretein belül olvassa. A magasabb értékek erősebb teljesítményt jeleznek a jelentett metrikán, de a különböző oszlopok nem osztoznak közös skálán.