Sammenligning av AI-modellers kapabiliteter
Cybersikkerhet
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.
| Nr. | Modell | 4/11 recent-year models have scores |
|---|---|---|
| 1 |  Claude Opus 5.5 | 67Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 68GPT-6 Astra |
| 3 | GPT-6.1 Sol | — |
| 4 | Claude Fable 5.1 | 58Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 68Gemini 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)
Kilde: Google DeepMind (model card) ↗
Google-modellkort: utgiverens resultater og gjenpubliserte tredjepartsscorer, per oktober 2026. Se metodikk for evalueringsinnstillinger; disse er ikke alle uavhengige evalueringer. Evalueringsmetodikk ↗
CWE-bench v1 · Source date unknown
PandaNpc Oppdatert 21. okt. 2026, 06:01 UTC
Kilde: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Kolonneveiledning
- Nr.
- Kun visningsrekkefølge. Sortering endrer dette tallet; det er ikke en publisert kapabilitetsrangering.
- Modell
- Navnet på den evaluerte modellen og ikonet til leverandøren. En strek i en poengkolonne betyr at ingen publisert poengsum er tilgjengelig her, ikke null.
- CWE-bench v1Benchmark for vanlige svakheter v1
- Tester å finne og reparere svakheter i programvare mens funksjonaliteten bevares. Dette er en defensiv revisjons- og reparasjonsbenchmark, ikke en poengsum for utvikling av eksploits. Evalueringsmetodikk ↗
Les poengsummer innenfor samme benchmark, kilde og versjon. Høyere verdier indikerer sterkere ytelse på den rapporterte metrikken, men ulike kolonner deler ikke en felles skala.