Comparație a capabilităților modelelor AI
Muncă de cunoaștere
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 | 3/11 recent-year models have scores |
|---|---|---|---|
| 1 |  Claude Opus 5.5 | 73.5maxclaude-opus-5-5_max | 21.25unknownclaude-opus-5-5_unknown |
| 2 |  GPT-6 Astra | 64.7unknowngpt-6-astra_unknown | 20.83unknowngpt-6-astra_unknown |
| 3 | GPT-6.1 Sol | 60maxgpt-6.1-sol_max | — |
| 4 | Claude Fable 5.1 | 68.6unknownclaude-fable-5-1_unknown | 17.92unknownclaude-fable-5-1_unknown |
| 5 |  Gemini 4 Argon | 82.4unknowngemini-4-argon_unknown | — |
| 6 | Claude Sonnet 5.5 | 75.5maxclaude-sonnet-5-5_max | — |
| 7 | Claude Opus 5 | 65.8maxclaude-opus-5_max | — |
| 8 | GPT-6 Sol | 54.3maxgpt-6-sol_max | — |
| 9 | GPT-6 Luna | 44.3maxgpt-6-luna_max | — |
| 10 | Claude Haiku 5.5 | 56.1maxclaude-haiku-5-5_max | — |
| 11 | Claude Mythos Preview | — | — |
Benchmark-uri Epoch AI
Sursă: Epoch AI, CC BY 4.0 ↗ · Actualizat 2026-10-15
APEX-Agents · Actualizat 2026-10-15
Remote Labor Index · Actualizat 2026-09-22
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.
- APEX-AgentsSarcini pentru agenți profesioniști
- Testează sarcini profesionale cu orizont lung în domeniul bancar de investiții, consultanță și drept corporativ, care necesită adesea mai multe aplicații. Metodologie de evaluare ↗
- Remote Labor IndexIndice de muncă la distanță
- Testează finalizarea de proiecte reale de muncă la distanță de la un capăt la altul, cu livrabilele evaluate în raport cu cerințele proiectului. Metodologie de evaluare ↗
Citiți scorurile în cadrul aceluiași benchmark, sursă și versiune. Valorile mai mari indică performanță mai puternică la metrica raportată, dar coloanele diferite nu au o scală comună.