Confronto delle capacità dei modelli AI
Programmazione agentica
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.
| N. | Modello | 4/11 recent-year models have scores | 4/11 recent-year models have scores | 4/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 74.2Claude Opus 5.5 | 62.3Claude Opus 5.5 | 66.4Claude Opus 5.5 | 90.3Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 74.1GPT-6 Astra | 65.5GPT-6 Astra | 58.2GPT-6 Astra | 89.6GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — | — |
| 4 | Claude Fable 5.1 | 67.4Claude Fable 5.1 | 56.3Claude Fable 5.1 | 57.9Claude Fable 5.1 | 90.3Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 77.9Gemini 4 Argon | 55Gemini 4 Argon | 57.4Gemini 4 Argon | 91.9Gemini 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)
Fonte: Google DeepMind (model card) ↗
Scheda del modello Google: risultati dell'editore e punteggi di terze parti ripubblicati, alla data di ottobre 2026. Consulta la metodologia per le impostazioni di valutazione; non sono tutte valutazioni indipendenti. Metodologia di valutazione ↗
DeepSWE v1.1 · Source date unknown
FrontierSWE v2 · Source date unknown
Terminal-bench 4.0 · Source date unknown
Vibe Code Bench · Source date unknown
PandaNpc Aggiornato 21 ott 2026, 06:01 UTC
Fonte: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Guida alle colonne
- N.
- Solo ordine di visualizzazione. L'ordinamento modifica questo numero; non è una classifica di capacità pubblicata.
- Modello
- Il nome del modello valutato e l'icona del suo fornitore. Un trattino in una colonna di punteggio indica che qui non è disponibile alcun punteggio pubblicato, non uno zero.
- DeepSWE v1.1Ingegneria del software DeepSWE v1.1
- Testa l'ingegneria del software a lungo termine su attività originali, con il successo verificato rispetto ai requisiti dell'attività. Confronta la stessa versione del benchmark e la stessa configurazione dell'agente. Metodologia di valutazione ↗
- FrontierSWE v2Ingegneria del software FrontierSWE v2
- Testa attività complesse di ingegneria e ricerca tecnica. I punteggi riflettono la valutazione pubblicata delle attività, con versione e configurazione dell'agente che influiscono sulla comparabilità. Metodologia di valutazione ↗
- Terminal-bench 4.0Benchmark terminale 4.0
- Testa il completamento di attività pratiche in un ambiente terminale, come la programmazione e le operazioni di sistema. Le versioni utilizzano set di attività diversi e vanno confrontate separatamente. Metodologia di valutazione ↗
- Vibe Code BenchBenchmark Vibe coding
- Testa la creazione di applicazioni web a partire da richieste in linguaggio naturale, valutando l'applicazione risultante anziché risposte di codice isolate. Metodologia di valutazione ↗
Leggi i punteggi all'interno dello stesso benchmark, fonte e versione. Valori più alti indicano prestazioni più forti sulla metrica riportata, ma colonne diverse non condividono una scala comune.