Perbandingan Kemampuan Model AI
Rekayasa pembelajaran mesin
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 | 4/11 recent-year models have scores |
|---|---|---|
| 1 |  Claude Opus 5.5 | 49.3OpenCode, 10h, H100Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 44.3OpenCode, 10h, H100GPT-6 Astra |
| 3 | GPT-6.1 Sol | — |
| 4 | Claude Fable 5.1 | 40.2OpenCode, 10h, H100Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 45.3OpenCode, 10h, H100Gemini 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)
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 ↗
PostTrainBench v1.1 · 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.
- PostTrainBench v1.1Benchmark pasca-pelatihan v1.1
- Menguji apakah agen dapat meningkatkan model dasar melalui pasca-pelatihan di bawah anggaran komputasi. Skor merangkum model yang dihasilkan pada evaluasi hilir. 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.