Comparație a capabilităților modelelor AI
Utilizare computer
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.
Coarena · sarcini mixte
— means no published score for this candidate in this source, not zero.7/11 recent-year models have scores
| Nr. | Model | Motorul agentului | Efort de raționament | Interval 95% | |
|---|---|---|---|---|---|
| 1 |  GPT-6 Solgpt-6-sol | Coarena | medium | 1043 | 985–1101 |
| 2 | GPT-6.1 Solgpt-6.1-sol | Coarena | medium | 1025 | 965–1085 |
| 3 | GPT-6 Lunagpt-6-luna | Coarena | medium | 1018 | 966–1070 |
| 4 |  Claude Opus 5.5claude-opus-5-5 | Coarena | medium | 1010 | 973–1047 |
| 5 | Claude Fable 5.1claude-fable-5-1 | Coarena | medium | 1001 | 968–1034 |
| 6 | Claude Sonnet 5.5claude-sonnet-5-5 | Coarena | medium | 989 | 928–1050 |
| 7 | GPT-6 Astragpt-6-astra | Coarena | medium | 976 | 936–1016 |
Coarena · sarcini mixte
Sursă: Coarena ↗ · Preluat 21 oct. 2026, 06:00 UTC
Coarena · sarcini mixte · Source date unknown
PandaNpc Actualizat 21 oct. 2026, 06:01 UTC
Sursă: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Ghid pentru coloane
- Nr.
- Numai ordinea de afișare. Sortarea modifică acest număr; nu este un rang publicat de capacitate.
- Model
- Numele modelului evaluat și pictograma furnizorului său. O liniuță într-o coloană de scor înseamnă că nu există un scor publicat disponibil aici, nu un zero.
- Motorul agentului
- Coarena
- Efort de raționament
- medium
- Scor
- Evaluare oarbă a preferinței umane pe task-uri mixte de browser, desktop, programare și întrebări-răspunsuri în harness-ul Coarena. Aceasta este o evaluare Bradley–Terry, nu un procent sau o rată de succes verificată a task-urilor. Intervalul este de 95%; intervalele suprapuse nu stabilesc un câștigător. Acestea sunt rezultate generale, nu subsetul desktop. Efortul de raționament este afișat doar când este publicat. Clasamentul folosește ultimele 20.000 de confruntări judecate eligibile; PandaNpc își afișează timpul de preluare deoarece acest snapshot nu oferă un marcaj temporal de calcul. Metodologie de evaluare ↗
- Interval 95%
- Interval 95%