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.
Agent's Last Exam — Pass rateФинальный экзамен агента — процент сдачи
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| № | Модель | |
|---|---|---|
| 1 |  Gemini 4 ArgonGemini 4 Argon | 39.5Pass rate |
| 2 |  Claude Opus 5.5Claude Opus 5.5 | 38.2Pass rate |
| 3 |  GPT-6 AstraGPT-6 Astra | 34.2Pass rate |
Google DeepMind (model card)
Источник: Google DeepMind (model card) ↗
Карточка модели Google: результаты издателя и переопубликованные оценки третьих сторон по состоянию на октябрь 2026 года. См. методологию для настроек оценки; не все из них являются независимыми оценками. Методология оценки ↗
Agent's Last Exam — Pass rate · 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.
- Оценка
- Проверяет долгосрочную профессиональную работу в реальных программных средах. Доля успешных выполнений учитывает задачи, которые достигают требуемого результата, а не только частичный прогресс. Методология оценки ↗
- Покрытие
- Показаны только опубликованные результаты для выбранных семейств моделей. OSWorld 2.x, Verified и Pro в настоящее время предоставляют конфигурации Claude Opus 5; это не полное покрытие всех моделей. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web и WorkArena++ пока не интегрированы здесь. SafeArena измеряет безопасность отдельно и не объединяется с оценками завершения задач. Отсутствующие результаты никогда не заполняются нулём.