Vergelijking van AI-modelcapaciteiten
Agentisch coderen
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. | Model | 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)
Bron: Google DeepMind (model card) ↗
Google-modelkaart: resultaten van de uitgever en opnieuw gepubliceerde scores van derden, per oktober 2026. Zie de methodologie voor evaluatie-instellingen; dit zijn niet allemaal onafhankelijke evaluaties. Evaluatiemethodologie ↗
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 Bijgewerkt 21 okt 2026, 06:01 UTC
Bron: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Kolomgids
- Nr.
- Alleen weergavevolgorde. Sorteren verandert dit nummer; het is geen gepubliceerde capaciteitsrang.
- Model
- De naam van het geëvalueerde model en het pictogram van de provider. Een streepje in een scorekolom betekent dat hier geen gepubliceerde score beschikbaar is, niet een nul.
- DeepSWE v1.1DeepSWE software-engineering v1.1
- Test langdurige software-engineering op originele taken, waarbij succes wordt gecontroleerd aan de hand van de taakeisen. Vergelijk dezelfde benchmarkversie en agentconfiguratie. Evaluatiemethodologie ↗
- FrontierSWE v2FrontierSWE software-engineering v2
- Test moeilijke engineering- en technische onderzoekstaken. Scores weerspiegelen de gepubliceerde taakevaluatie, waarbij versie en agentconfiguratie de vergelijkbaarheid beïnvloeden. Evaluatiemethodologie ↗
- Terminal-bench 4.0Terminalbenchmark 4.0
- Test het voltooien van praktische taken in een terminalomgeving, zoals coderen en systeembeheer. Versies gebruiken verschillende taaksets en moeten afzonderlijk worden vergeleken. Evaluatiemethodologie ↗
- Vibe Code BenchVibe-codingbenchmark
- Test het bouwen van webapplicaties op basis van verzoeken in natuurlijke taal, waarbij de resulterende applicatie wordt geëvalueerd en niet losse codeantwoorden. Evaluatiemethodologie ↗
Lees scores binnen dezelfde benchmark, bron en versie. Hogere waarden duiden op sterkere prestaties op de gerapporteerde metriek, maar verschillende kolommen delen geen gemeenschappelijke schaal.