Сравнение возможностей ИИ-моделей
Использование компьютера
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
| № | Модель | Движок агента | Усилие рассуждения | Разделение | Выполнено задач / всего задач | ||
|---|---|---|---|---|---|---|---|
| 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 · профессиональные рабочие процессы
Источник: Agents’ Last Exam ↗ · CC BY 4.0 · Получено 21 окт. 2026 г., 06:00 UTC
ALE-V1 · full · max · Codex · Source date unknown
PandaNpc Обновлено 21 окт. 2026 г., 06:01 UTC
Источник: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Пояснения к столбцам
- №
- Только порядок отображения. Сортировка меняет это число; это не опубликованный рейтинг возможностей.
- Модель
- Название оцениваемой модели и значок её провайдера. Прочерк в столбце с оценкой означает, что опубликованная оценка здесь недоступна, а не ноль.
- Движок агента
- Codex
- Усилие рассуждения
- max
- Оценка
- Полный сплит ALE-V1, максимальное усилие рассуждения: процент всех 152 задач, получивших полный зачёт. Количество запущенных задач может быть меньше 152. Профессиональные рабочие процессы допускают использование GUI и инструментов командной строки; Claude Code и Codex используют разные обвязки. Это не сравнение только по GUI. Дата снимка upstream не публикуется; время загрузки показано отдельно. Claude Code и Codex ранжируются только внутри своих отдельных сравнительных групп. Методология оценки ↗
- Частичный балл
- ALE-V1, полный сплит, максимальное усилие рассуждения: опубликованный средний частичный балл за задачу, пересчитанный из диапазона 0–1 в проценты. Это не доля прохождения полных задач. Профессиональные рабочие процессы допускают использование GUI и инструментов командной строки; Claude Code и Codex используют разные харнессы. Показаны количество запусков задач и разбиение из 152 задач. Дата upstream-снимка не публикуется; время получения показано отдельно. Claude Code и Codex ранжируются только внутри своих отдельных групп сравнения.
- Разделение
- Разделение
- Выполнено задач / всего задач
- Уникальные задачи с опубликованным запуском / все 152 задачи в полном наборе. Доля успешных прохождений использует полный набор в качестве знаменателя; невыполненные задачи не считаются успешными.