Porównanie możliwości modeli AI
Nauka i matematyka
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 | 10/11 recent-year models have scores | 10/11 recent-year models have scores | 10/11 recent-year models have scores | 10/11 recent-year models have scores | 9/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 31.71maxclaude-opus-5-5_max | 91.23maxclaude-opus-5-5_max | 95maxclaude-opus-5-5_max | 100maxclaude-opus-5-5_max | 90.59maxclaude-opus-5-5_max | — |
| 2 |  GPT-6 Astra | 31.71maxgpt-6-astra_max | 93.68maxgpt-6-astra_max | 97.6highgpt-6-astra_high | 99unknowngpt-6-astra_unknown | 95.77maxgpt-6-astra_max | 54.8unknowngpt-6-astra_unknown |
| 3 | GPT-6.1 Sol | 31.71maxgpt-6.1-sol_max | 93.68maxgpt-6.1-sol_max | 100maxgpt-6.1-sol_max | 99unknowngpt-6.1-sol_unknown | 95.39maxgpt-6.1-sol_max | — |
| 4 | Claude Fable 5.1 | 31.14xhighclaude-fable-5-1_xhigh | 90.18maxclaude-fable-5-1_max | 87.8maxclaude-fable-5-1_max | 100maxclaude-fable-5-1_max | — | 46.5xhighclaude-fable-5-1_xhigh |
| 5 |  Gemini 4 Argon | 27.14highgemini-4-argon_high | 85.96highgemini-4-argon_high | 78.05highgemini-4-argon_high | 99unknowngemini-4-argon_unknown | 96.4highgemini-4-argon_high | — |
| 6 | Claude Sonnet 5.5 | 31.43maxclaude-sonnet-5-5_max | 88.77maxclaude-sonnet-5-5_max | 80.49maxclaude-sonnet-5-5_max | 100maxclaude-sonnet-5-5_max | 95.58maxclaude-sonnet-5-5_max | 46.12xhighclaude-sonnet-5-5_xhigh |
| 7 | Claude Opus 5 | 29.14maxclaude-opus-5_max | 85.61maxclaude-opus-5_max | 73.17maxclaude-opus-5_max | 99maxclaude-opus-5_max | 93.88maxclaude-opus-5_max | — |
| 8 | GPT-6 Sol | 30.86maxgpt-6-sol_max | 89.82maxgpt-6-sol_max | 90maxgpt-6-sol_max | 83unknowngpt-6-sol_unknown | 94.32maxgpt-6-sol_max | — |
| 9 | GPT-6 Luna | 19.43maxgpt-6-luna_max | 78.95maxgpt-6-luna_max | 56.1maxgpt-6-luna_max | 64unknowngpt-6-luna_unknown | 90.47maxgpt-6-luna_max | — |
| 10 | Claude Haiku 5.5 | 22.57xhighclaude-haiku-5-5_xhigh | 75.09maxclaude-haiku-5-5_max | 46.34maxclaude-haiku-5-5_max | 89maxclaude-haiku-5-5_max | 89.65maxclaude-haiku-5-5_max | 30.12unknownclaude-haiku-5-5_unknown |
| 11 | Claude Mythos Preview | — | — | — | — | — | — |
Benchmarki Epoch AI
Źródło: Epoch AI, CC BY 4.0 ↗ · Aktualizacja 2026-10-15
CritPt · Aktualizacja 2026-10-15
FrontierMath Tiers 1-3 · Aktualizacja 2026-10-15
FrontierMath Tier 4 · Aktualizacja 2026-10-15
ProofBench · Aktualizacja 2026-10-12
GPQA Diamond · Aktualizacja 2026-10-15
Humanity's Last Exam · Aktualizacja 2026-10-07
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.
- CritPtProblemy fizyczne na poziomie badawczym
- Testuje rozumowanie na niepublikowanych problemach fizycznych na poziomie badawczym w różnych dziedzinach współczesnej fizyki. Metodologia oceny ↗
- FrontierMath Tiers 1-3Matematyka Frontier — poziomy 1-3
- Testuje wymagające oryginalne problemy matematyczne w poziomach trudności 1–3. Tych wyników nie należy łączyć z trudniejszym poziomem 4. Metodologia oceny ↗
- FrontierMath Tier 4Matematyka Frontier — poziom 4
- Testuje najtrudniejszy poziom problemów badawczych FrontierMath, oddzielnie od poziomów 1–3. Metodologia oceny ↗
- ProofBenchBenchmark formalnego dowodu matematycznego
- Testuje tworzenie dowodów matematycznych, które mogą zostać sprawdzone przez formalny weryfikator. Metodologia oceny ↗
- GPQA DiamondOdpowiadanie na pytania na poziomie absolwenckim — Diamond
- Testuje trudne pytania naukowe na poziomie magisterskim, wymagające specjalistycznej wiedzy i rozumowania. Metodologia oceny ↗
- Humanity's Last ExamKońcowy egzamin ludzkości
- Testuje trudne pytania na poziomie eksperckim z wielu dziedzin akademickich. To benchmark pytań i odpowiedzi, odrębny od Agents' Last Exam. Metodologia oceny ↗
Odczytuj wyniki w obrębie tego samego benchmarku, źródła i wersji. Wyższe wartości oznaczają lepsze wyniki w raportowanej metryce, ale różne kolumny nie mają wspólnej skali.