Sammenligning av AI-modellers kapabiliteter
Lang kontekst
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 | 4/11 recent-year models have scores |
|---|---|---|---|
| 1 |  Claude Opus 5.5 | 66.8256k to 1M, BFS (F1)Claude Opus 5.5 | 90.6Up to 128k, BFS (F1)Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 71.8256k to 1M, BFS (F1)GPT-6 Astra | 98.7Up to 128k, BFS (F1)GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — |
| 4 | Claude Fable 5.1 | 65256k to 1M, BFS (F1)Claude Fable 5.1 | 91.4Up to 128k, BFS (F1)Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 84.2256k to 1M, BFS (F1)Gemini 4 Argon | 99.7Up to 128k, BFS (F1)Gemini 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 ↗
GraphWalks — 256k to 1M, BFS (F1) · Source date unknown
GraphWalks — Up to 128k, BFS (F1) · 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.
- GraphWalks — 256k to 1M, BFS (F1)Grafgjennomgang — 256k til 1M, bredde-først-søk (F1)
- Tester graf-traversering i bredden i kontekster fra 256k til 1M tokens. F1 balanserer presisjon og recall; dette er et separat lengdeområde fra 128k-kolonnen. Evalueringsmetodikk ↗
- GraphWalks — Up to 128k, BFS (F1)Grafgjennomgang — opptil 128k, bredde-først-søk (F1)
- Tester graf-traversering i bredden ved bruk av kontekster opptil 128k tokens. F1 balanserer presisjon og recall for det returnerte nodesettet. 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.