Perbandingan Kemampuan Model AI
Penggunaan komputer
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 · tugas campuran
— means no published score for this candidate in this source, not zero.7/11 recent-year models have scores
| No. | Model | Mesin agen | Upaya penalaran | Interval 95% | |
|---|---|---|---|---|---|
| 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 · tugas campuran
Sumber: Coarena ↗ · Diambil 21 Okt 2026, 06.00 UTC
Coarena · tugas campuran · Source date unknown
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.
- Mesin agen
- Coarena
- Upaya penalaran
- medium
- Skor
- Penilaian preferensi manusia secara buta pada tugas campuran browser, desktop, coding, dan tanya jawab dalam harness Coarena. Ini adalah peringkat Bradley–Terry, bukan persentase atau keberhasilan tugas yang terverifikasi. Intervalnya 95%; interval yang tumpang tindih tidak menentukan pemenang. Ini adalah hasil keseluruhan, bukan subset desktop. Upaya penalaran hanya ditampilkan jika dipublikasikan. Peringkat menggunakan 20.000 battle teradili terbaru yang memenuhi syarat; PandaNpc menampilkan waktu pengambilannya karena snapshot ini tidak menyediakan stempel waktu komputasi. Metodologi evaluasi ↗
- Interval 95%
- Interval 95%