Vergelijking van AI-modelcapaciteiten
Kenniswerk
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 | 42.5ScoreClaude Opus 5.5 | 3.8Claude Opus 5.5 | 58.6Claude Opus 5.5 | 67Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 41.4ScoreGPT-6 Astra | 5.4GPT-6 Astra | 53.5GPT-6 Astra | 63.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — | — |
| 4 | Claude Fable 5.1 | 31.4ScoreClaude Fable 5.1 | 6.7Claude Fable 5.1 | 58.9Claude Fable 5.1 | 65.8Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 51.3ScoreGemini 4 Argon | 19.6Gemini 4 Argon | 65.4Gemini 4 Argon | 68.9Gemini 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 ↗
AutomationBench — Score · Source date unknown
Harvey's Legal Agent Benchmark · Source date unknown
Vals Finance Agent v2 · Source date unknown
Vals Index · 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.
- AutomationBench — ScoreAutomatiseringsbenchmark — score
- Test of een agent bedrijfsworkflows over meerdere applicaties voltooit. Officiële scores gebruiken een besloten takenverzameling en controleren de eindstatus van de workflow. Evaluatiemethodologie ↗
- Harvey's Legal Agent BenchmarkHarvey juridische agentbenchmark
- Test agents die bestanden lezen en bewerken om meerstaps juridische werkproducten te produceren. Een taak slaagt alleen wanneer aan elke beoordelingsvereiste is voldaan. De score is het gemiddelde taakslaagpercentage van twee beoordelaars; hoger is beter. Het is niet het percentage individuele criteria dat is gehaald, en het meet workflows van juridische agents in plaats van de juridische redeneervragen van LegalBench. Evaluatiemethodologie ↗
- Vals Finance Agent v2Vals financiële agent v2
- Test financiële analyse met zoekfunctionaliteit, financiële rapporten en berekeningstools, inclusief gegevenscontroles tussen documenten, vergelijkingen van bedrijfsprestaties en waardering. De hoofdmetriek is Partial Credit, gemiddeld over drie runs: antwoordcontroles krijgen op ernst gebaseerde wegingen, en een kritieke dealbreaker-fout zorgt ervoor dat die vraag nul scoort. Hoger is beter. Dit staat los van de afzonderlijke All-Pass-metriek en is niet het slagingspercentage van hele vragen. Evaluatiemethodologie ↗
- Vals IndexVals samengestelde index
- Een samengestelde index van professionele taken op gebieden zoals financiën, programmeren en recht. De percentagescore combineert benchmarkresultaten met de wegingsmethode voor die gepubliceerde versie; hoger betekent sterkere algehele prestatie, niet de nauwkeurigheid van één enkele taak. Opgenomen domeinen en wegingen verschillen per versie, dus nieuwere methodologie mag niet met terugwerkende kracht worden toegepast op oudere scoremomentopnames. 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.