Confronto delle capacità dei modelli AI
Lavoro cognitivo
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 | 42.5ScoreClaude Opus 5.5 | 3.8Claude Opus 5.5 | 58.6Claude Opus 5.5 | 67Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 41.4ScoreGPT-6 Astra | 5.4GPT-6 Astra | 53.5GPT-6 Astra | 63.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — | — |
| 4 | Claude Fable 5.1 | 31.4ScoreClaude Fable 5.1 | 6.7Claude Fable 5.1 | 58.9Claude Fable 5.1 | 65.8Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 51.3ScoreGemini 4 Argon | 19.6Gemini 4 Argon | 65.4Gemini 4 Argon | 68.9Gemini 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 ↗
AutomationBench — Score · Source date unknown
Harvey's Legal Agent Benchmark · Source date unknown
Vals Finance Agent v2 · Source date unknown
Vals Index · 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.
- AutomationBench — ScoreBenchmark di automazione — punteggio
- Verifica se un agente completa flussi di lavoro aziendali attraverso più applicazioni. I punteggi ufficiali usano un set di attività privato e controllano lo stato finale del flusso di lavoro. Metodologia di valutazione ↗
- Harvey's Legal Agent BenchmarkBenchmark agente legale Harvey
- Verifica agenti che leggono e modificano file per produrre elaborati legali multi-step. Un'attività è superata solo quando ogni requisito di valutazione è soddisfatto. Il punteggio è la media del tasso di superamento delle attività da due giudici; un valore più alto è migliore. Non è la percentuale di criteri individuali superati e misura flussi di lavoro di agenti legali, non le domande di ragionamento giuridico di LegalBench. Metodologia di valutazione ↗
- Vals Finance Agent v2Agente finanziario Vals v2
- Verifica l'analisi finanziaria con ricerca, report finanziari e strumenti di calcolo, inclusi controlli dei dati tra documenti, confronti delle prestazioni aziendali e valutazione. La metrica principale è Partial Credit, mediata su tre esecuzioni: i controlli delle risposte ricevono pesi basati sulla gravità e un errore critico da dealbreaker fa ottenere un punteggio zero a quella domanda. Un valore più alto è migliore. È distinta dalla metrica separata All-Pass e non è il tasso di superamento dell'intera domanda. Metodologia di valutazione ↗
- Vals IndexIndice composito Vals
- Un indice composito di attività professionali in aree come finanza, coding e diritto. Il suo punteggio percentuale combina i risultati dei benchmark usando il metodo di ponderazione di quella versione pubblicata; un valore più alto indica una prestazione complessiva più forte, non l'accuratezza di una singola attività. I domini e i pesi inclusi cambiano tra le versioni, quindi la metodologia più recente non deve essere applicata retroattivamente a snapshot di punteggi precedenti. 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.