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.
Agent's Last Exam — Pass rateUjian akhir agen — tingkat kelulusan
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| No. | Model | |
|---|---|---|
| 1 |  Gemini 4 ArgonGemini 4 Argon | 39.5Pass rate |
| 2 |  Claude Opus 5.5Claude Opus 5.5 | 38.2Pass rate |
| 3 |  GPT-6 AstraGPT-6 Astra | 34.2Pass rate |
Google DeepMind (model card)
Sumber: Google DeepMind (model card) ↗
Kartu model Google: hasil penerbit dan skor pihak ketiga yang diterbitkan ulang, per Oktober 2026. Lihat metodologi untuk pengaturan evaluasi; ini tidak semuanya evaluasi independen. Metodologi evaluasi ↗
Agent's Last Exam — Pass rate · 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.
- Skor
- Menguji pekerjaan profesional berhorizon panjang di lingkungan perangkat lunak nyata. Tingkat kelulusan menghitung tugas yang memenuhi hasil yang disyaratkan, bukan sekadar kemajuan sebagian. 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.