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.
Agent's Last Exam — Pass rateEsame finale agente — tasso di superamento
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| N. | Modello | |
|---|---|---|
| 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)
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 ↗
Agent's Last Exam — Pass rate · 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.
- Punteggio
- Verifica lavoro professionale a lungo orizzonte in ambienti software reali. Il tasso di superamento conta le attività che soddisfano il risultato richiesto, non solo il progresso parziale. Metodologia di valutazione ↗
- Copertura
- Sono mostrati solo i risultati pubblicati per le famiglie di modelli selezionate. OSWorld 2.x, Verified e Pro attualmente forniscono configurazioni di Claude Opus 5; questa non è una copertura completa di ogni modello. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web e WorkArena++ non sono ancora integrati qui. SafeArena misura la sicurezza separatamente e non viene integrato nei punteggi di completamento delle attività. I risultati mancanti non vengono mai riempiti con zero.