Confronto delle capacità dei modelli AI
Uso del computer
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.
ALE-V1 · full · max · Codex
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| N. | Modello | Motore agente | Sforzo di ragionamento | Dividi | Attività eseguite / attività totali | ||
|---|---|---|---|---|---|---|---|
| 1 |  GPT-6 Astragpt-6-astra | Codex | max | 34.21% | 59.26% | full | 151 / 152 |
| 2 | GPT-6 Solgpt-6-sol | Codex | max | 31.58% | 58.57% | full | 151 / 152 |
| 3 | GPT-6 Lunagpt-6-luna | Codex | max | 25% | 50.89% | full | 150 / 152 |
ALE · flussi di lavoro professionali
Fonte: Agents’ Last Exam ↗ · CC BY 4.0 · Recuperato 21 ott 2026, 06:00 UTC
ALE-V1 · full · max · Codex · 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.
- Motore agente
- Codex
- Sforzo di ragionamento
- max
- Punteggio
- Split completo di ALE-V1, massimo sforzo di ragionamento: percentuale di tutte le 152 attività che ricevono credito pieno. I conteggi delle attività eseguite possono essere inferiori a 152. I flussi di lavoro professionali consentono strumenti GUI e da riga di comando; Claude Code e Codex usano harness diversi. Non si tratta di un confronto solo GUI. Non è pubblicata alcuna data di snapshot upstream; il momento del recupero è mostrato separatamente. Claude Code e Codex sono classificati solo all'interno dei rispettivi gruppi di confronto separati. Metodologia di valutazione ↗
- Punteggio parziale
- Split completo ALE-V1, massimo sforzo di ragionamento: il punteggio medio parziale pubblicato del task, convertito da 0–1 a percentuale. Non è il tasso di superamento dell'intero task. I flussi di lavoro professionali consentono strumenti GUI e da riga di comando; Claude Code e Codex usano harness diversi. Sono mostrati i conteggi delle esecuzioni dei task e la suddivisione da 152 task. Nessuna data dello snapshot upstream è pubblicata; l'ora di recupero è mostrata separatamente. Claude Code e Codex sono classificati solo all'interno dei rispettivi gruppi di confronto separati.
- Dividi
- Dividi
- Attività eseguite / attività totali
- Task distinti con una run pubblicata / tutti i 152 task nello split completo. Il tasso di superamento usa lo split completo come denominatore; i task non eseguiti non vengono conteggiati come superati.