AI 모델 역량 비교
에이전트 코딩
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.
| 번호 | 모델 | 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)
출처: Google DeepMind (model card) ↗
Google 모델 카드: 2026년 10월 기준 게시자 결과 및 재게시된 제3자 점수. 평가 설정은 방법론을 참조하세요. 이들은 모두 독립적인 평가는 아닙니다. 평가 방법론 ↗
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 업데이트됨 2026년 10월 21일 06:01 UTC
출처: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
컬럼 안내
- 번호
- 표시 순서일 뿐입니다. 정렬하면 이 숫자가 바뀌며, 공개된 역량 순위가 아닙니다.
- 모델
- 평가된 모델 이름과 제공자 아이콘입니다. 점수 열의 대시는 여기에 공개된 점수가 없음을 의미하며, 0점이 아닙니다.
- DeepSWE v1.1DeepSWE 소프트웨어 엔지니어링 v1.1
- 독창적인 작업을 통한 장기적 소프트웨어 엔지니어링을 테스트하며, 성공 여부는 작업 요구사항에 따라 확인합니다. 동일한 벤치마크 버전과 에이전트 설정을 비교하세요. 평가 방법론 ↗
- FrontierSWE v2FrontierSWE 소프트웨어 엔지니어링 v2
- 어려운 엔지니어링 및 기술 연구 작업을 테스트합니다. 점수는 공개된 작업 평가를 반영하며, 버전과 에이전트 설정에 따라 비교 가능성이 달라집니다. 평가 방법론 ↗
- Terminal-bench 4.0터미널 벤치마크 4.0
- 터미널 환경에서 코딩 및 시스템 운영과 같은 실용적인 작업을 완료하는 것을 테스트합니다. 버전마다 다른 작업 세트를 사용하므로 별도로 비교해야 합니다. 평가 방법론 ↗
- Vibe Code Bench바이브 코딩 벤치마크
- 자연어 요청으로 웹 애플리케이션을 구축하는 것을 테스트하며, 분리된 코드 답변이 아니라 그 결과 애플리케이션을 평가합니다. 평가 방법론 ↗
점수는 동일한 벤치마크, 출처 및 버전 내에서 읽으세요. 높은 값은 보고된 지표에서 더 강한 성능을 나타내지만, 서로 다른 열은 공통 척도를 공유하지 않습니다.