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.
No benchmarks from this source cover at least 3 recent-year models. Choose another source.
— means no published score for this candidate in this source, not zero.0/11 recent-year models have scores
Benchmark Epoch AI
Sumber: Epoch AI, CC BY 4.0 ↗ · Diperbarui 2026-10-15
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.
- Skor
- Sumber ini mempublikasikan skor benchmark. Buka metodologinya untuk definisi tugas dan aturan penilaian. Metodologi evaluasi ↗
- Cakupan
- Hanya hasil yang dipublikasikan untuk keluarga model yang dipilih yang ditampilkan. OSWorld 2.x, Verified, dan Pro saat ini menyediakan konfigurasi Claude Opus 5; ini bukan cakupan lengkap untuk setiap model. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web, dan WorkArena++ belum terintegrasi di sini. SafeArena mengukur keamanan secara terpisah dan tidak digabungkan ke dalam skor penyelesaian tugas. Hasil yang hilang tidak pernah diisi dengan nol.