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 | 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)
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 ↗
LABBench 2 · Source date unknown
RiemannBench · Source date unknown
Terminal-Bench Science 0.1 · 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.
- LABBench 2Benchmark laboratoryjny 2
- Testuje zadania z zakresu badań biologicznych, w tym informacje naukowe i analizę danych. Wyniki zależą od narzędzi dostępnych podczas ewaluacji. Metodologia oceny ↗
- RiemannBenchBenchmark matematyczny Riemanna
- Testuje problemy matematyczne na poziomie badawczym, wykraczające poza zwykłe zadania konkursowe. Wyniki odzwierciedlają skuteczność w benchmarku, a nie ogólną biegłość matematyczną. Metodologia oceny ↗
- Terminal-Bench Science 0.1Naukowy benchmark terminala 0.1
- Testuje przepływy pracy badawczej wykonywane za pomocą narzędzi terminala. Wersja 0.1 jest oddzielna od ogólnego zestawu zadań Terminal-Bench. 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.