Porównanie możliwości modeli AI
Obsługa komputera
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.
Agent's Last Exam — Pass rateEgzamin końcowy agenta — wskaźnik zdawalności
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| Nr | Model | |
|---|---|---|
| 1 |  Gemini 4 ArgonGemini 4 Argon | 39.5Pass rate |
| 2 |  Claude Opus 5.5Claude Opus 5.5 | 38.2Pass rate |
| 3 |  GPT-6 AstraGPT-6 Astra | 34.2Pass rate |
Google DeepMind (model card)
Źródło: Google DeepMind (model card) ↗
Karta modelu Google: wyniki wydawcy i ponownie opublikowane wyniki stron trzecich, stan na październik 2026. Zobacz metodykę, aby poznać ustawienia ewaluacji; nie wszystkie z nich są niezależnymi ewaluacjami. Metodologia oceny ↗
Agent's Last Exam — Pass rate · Source date unknown
PandaNpc Aktualizacja 21 paź 2026, 06:01 UTC
Źródło: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Przewodnik po kolumnach
- Nr
- Tylko kolejność wyświetlania. Sortowanie zmienia ten numer; nie jest to opublikowana pozycja w rankingu możliwości.
- Model
- Nazwa ocenianego modelu i ikona jego dostawcy. Myślnik w kolumnie z wynikiem oznacza brak opublikowanego wyniku w tym miejscu, a nie zero.
- Wynik
- Testuje długoterminową pracę zawodową w rzeczywistych środowiskach programistycznych. Wskaźnik zaliczenia liczy zadania spełniające wymagany wynik, a nie tylko częściowy postęp. Metodologia oceny ↗
- Pokrycie
- Wyświetlane są tylko opublikowane wyniki dla wybranych rodzin modeli. OSWorld 2.x, Verified i Pro obecnie dostarczają konfiguracje Claude Opus 5; to nie jest pełne pokrycie wszystkich modeli. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web i WorkArena++ nie zostały tu jeszcze zintegrowane. SafeArena mierzy bezpieczeństwo osobno i nie jest scalana z wynikami ukończenia zadań. Brakujące wyniki nigdy nie są uzupełniane zerem.