Vergelijking van AI-modelcapaciteiten
Wetenschap & wiskunde
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 |
|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 73.1Claude Opus 5.5 | 69.6Claude Opus 5.5 | 63.3Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 85.4GPT-6 Astra | 72GPT-6 Astra | 68.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — |
| 4 | Claude Fable 5.1 | 68.6Claude Fable 5.1 | 65.6Claude Fable 5.1 | 52.6Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 88.8Gemini 4 Argon | 76Gemini 4 Argon | 57.6Gemini 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 ↗
LABBench 2 · Source date unknown
RiemannBench · Source date unknown
Terminal-Bench Science 0.1 · 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.
- LABBench 2Laboratoriumbenchmark 2
- Test biologieonderzoekstaken, waaronder wetenschappelijke informatie en data-analyse. Resultaten zijn afhankelijk van de tools die tijdens de evaluatie beschikbaar zijn. Evaluatiemethodologie ↗
- RiemannBenchRiemann wiskundebenchmark
- Test wiskundeproblemen op onderzoeksniveau die verder gaan dan gewone wedstrijdoefeningen. Scores weerspiegelen prestaties op de benchmark en niet algemene wiskundige beheersing. Evaluatiemethodologie ↗
- Terminal-Bench Science 0.1Wetenschappelijke terminalbenchmark 0.1
- Test wetenschappelijke onderzoeksworkflows die via terminaltools worden uitgevoerd. De 0.1-versie staat los van de algemene Terminal-Bench-taakset. 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.