Comparação de Capacidades de Modelos de IA
Uso de computador
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.
ALE-V1 · full · max · Codex
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| Nº | Modelo | Motor do agente | Esforço de raciocínio | Divisão | Tarefas executadas / total de tarefas | ||
|---|---|---|---|---|---|---|---|
| 1 |  GPT-6 Astragpt-6-astra | Codex | max | 34.21% | 59.26% | full | 151 / 152 |
| 2 | GPT-6 Solgpt-6-sol | Codex | max | 31.58% | 58.57% | full | 151 / 152 |
| 3 | GPT-6 Lunagpt-6-luna | Codex | max | 25% | 50.89% | full | 150 / 152 |
ALE · fluxos de trabalho profissionais
Fonte: Agents’ Last Exam ↗ · CC BY 4.0 · Obtido 21 de out. de 2026, 06:00 UTC
ALE-V1 · full · max · Codex · Source date unknown
PandaNpc Atualizado 21 de out. de 2026, 06:01 UTC
Fonte: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Guia de colunas
- Nº
- Apenas ordem de exibição. A ordenação altera este número; não é uma classificação de capacidade publicada.
- Modelo
- O nome do modelo avaliado e o ícone do respetivo provedor. Um traço numa coluna de pontuação significa que não há pontuação publicada disponível aqui, e não um zero.
- Motor do agente
- Codex
- Esforço de raciocínio
- max
- Pontuação
- ALE-V1 divisão completa, esforço máximo de raciocínio: percentual de todas as 152 tarefas que recebem crédito integral. As contagens de tarefas executadas podem ser inferiores a 152. Fluxos de trabalho profissionais permitem ferramentas GUI e de linha de comando; Claude Code e Codex usam harnesses diferentes. Esta não é uma comparação apenas de GUI. Nenhuma data de snapshot upstream é publicada; o horário de obtenção é mostrado separadamente. Claude Code e Codex são classificados apenas dentro de seus grupos de comparação separados. Metodologia de avaliação ↗
- Pontuação parcial
- Split completo do ALE-V1, esforço máximo de raciocínio: a pontuação média parcial por tarefa publicada, convertida de 0–1 para porcentagem. Isto não é a taxa de aprovação em tarefas completas. Fluxos de trabalho profissionais permitem ferramentas de GUI e de linha de comando; Claude Code e Codex usam harnesses diferentes. As contagens de tarefas executadas e o split de 152 tarefas são exibidos. Nenhuma data de snapshot upstream é publicada; o horário da coleta é exibido separadamente. Claude Code e Codex são classificados apenas dentro de seus grupos de comparação separados.
- Divisão
- Divisão
- Tarefas executadas / total de tarefas
- Tarefas distintas com uma execução publicada / todas as 152 tarefas no split completo. A taxa de aprovação usa o split completo como denominador; tarefas não executadas não são contadas como aprovações.