Perbandingan Kemampuan Model AI
Pengodean agentik
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.
| No. | Model | 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 | — | — |
Benchmark Epoch AI
Sumber: Epoch AI, CC BY 4.0 ↗ · Diperbarui 2026-10-15
FrontierCode · Diperbarui 2026-10-07
FrontierSWE · Diperbarui 2026-10-07
PandaNpc Diperbarui 21 Okt 2026, 06.01 UTC
Sumber: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Panduan kolom
- No.
- Hanya urutan tampilan. Pengurutan mengubah nomor ini; ini bukan peringkat kemampuan yang dipublikasikan.
- Model
- Nama model yang dievaluasi dan ikon penyedianya. Tanda hubung pada kolom skor berarti tidak ada skor yang dipublikasikan yang tersedia di sini, bukan nol.
- FrontierCodePemrograman FrontierCode
- Menguji apakah perubahan kode memenuhi persyaratan pengelola untuk penggabungan, menggabungkan pemeriksaan fungsional dengan kriteria kualitas. Metodologi evaluasi ↗
- FrontierSWERekayasa perangkat lunak FrontierSWE
- Menguji tugas rekayasa dan riset teknis yang sulit. Skor mencerminkan evaluasi tugas yang dipublikasikan, dengan versi dan pengaturan agen memengaruhi komparabilitas. Metodologi evaluasi ↗
Baca skor dalam benchmark, sumber, dan versi yang sama. Nilai yang lebih tinggi menunjukkan performa yang lebih kuat pada metrik yang dilaporkan, tetapi kolom yang berbeda tidak menggunakan skala yang sama.