Vergelijking van AI-modelcapaciteiten
Computergebruik
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.
ALE-V1 · full · max · Codex
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| Nr. | Model | Agent-engine | Redeneerinspanning | Splitsen | Uitgevoerde taken / totaal aantal taken | ||
|---|---|---|---|---|---|---|---|
| 1 |  GPT-6 Astragpt-6-astra | Codex | max | 34.21% | 59.26% | full | 151 / 152 |
| 2 | GPT-6 Solgpt-6-sol | Codex | max | 31.58% | 58.57% | full | 151 / 152 |
| 3 | GPT-6 Lunagpt-6-luna | Codex | max | 25% | 50.89% | full | 150 / 152 |
ALE · professionele workflows
Bron: Agents’ Last Exam ↗ · CC BY 4.0 · Opgehaald 21 okt 2026, 06:00 UTC
ALE-V1 · full · max · Codex · 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.
- Agent-engine
- Codex
- Redeneerinspanning
- max
- Score
- ALE-V1 volledige split, maximale redeneerinspanning: percentage van alle 152 taken dat volledige punten krijgt. Aantallen uitgevoerde taken kunnen onder 152 liggen. Professionele workflows staan GUI- en commandoregeltools toe; Claude Code en Codex gebruiken verschillende harnesses. Dit is geen vergelijking op alleen GUI. Er is geen upstream-snapshotdatum gepubliceerd; de ophaaltijd wordt afzonderlijk getoond. Claude Code en Codex worden alleen binnen hun afzonderlijke vergelijkingsgroepen gerangschikt. Evaluatiemethodologie ↗
- Gedeeltelijke score
- ALE-V1 volledige split, maximale redeneerinspanning: de gepubliceerde gemiddelde partiële taakscore, omgezet van 0–1 naar een percentage. Dit is niet het slagingspercentage voor volledige taken. Professionele workflows staan GUI- en opdrachtregelhulpprogramma's toe; Claude Code en Codex gebruiken verschillende harnesses. Aantallen uitgevoerde taken en de split van 152 taken worden getoond. Er is geen upstream-snapshotdatum gepubliceerd; de ophaaltijd wordt apart getoond. Claude Code en Codex worden alleen binnen hun afzonderlijke vergelijkingsgroepen gerangschikt.
- Splitsen
- Splitsen
- Uitgevoerde taken / totaal aantal taken
- Afzonderlijke taken met een gepubliceerde run / alle 152 taken in de volledige split. Het slagingspercentage gebruikt de volledige split als noemer; niet-uitgevoerde taken tellen niet als geslaagd.