Сравнение возможностей ИИ-моделей
Наука и математика
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.
| № | Модель | 4/11 recent-year models have scores | 4/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 73.1Claude Opus 5.5 | 69.6Claude Opus 5.5 | 63.3Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 85.4GPT-6 Astra | 72GPT-6 Astra | 68.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — |
| 4 | Claude Fable 5.1 | 68.6Claude Fable 5.1 | 65.6Claude Fable 5.1 | 52.6Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 88.8Gemini 4 Argon | 76Gemini 4 Argon | 57.6Gemini 4 Argon |
| 6 | Claude Sonnet 5.5 | — | — | — |
| 7 | Claude Opus 5 | — | — | — |
| 8 | GPT-6 Sol | — | — | — |
| 9 | GPT-6 Luna | — | — | — |
| 10 | Claude Haiku 5.5 | — | — | — |
| 11 | Claude Mythos Preview | — | — | — |
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 ↗
LABBench 2 · Source date unknown
RiemannBench · Source date unknown
Terminal-Bench Science 0.1 · 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.
- LABBench 2Лабораторный бенчмарк 2
- Проверяет задачи биологических исследований, включая работу с научной информацией и анализ данных. Результаты зависят от инструментов, доступных во время оценки. Методология оценки ↗
- RiemannBenchМатематический бенчмарк Римана
- Проверяет математические задачи исследовательского уровня, выходящие за рамки обычных соревновательных упражнений. Оценки отражают результаты на бенчмарке, а не общее владение математикой. Методология оценки ↗
- Terminal-Bench Science 0.1Научный бенчмарк терминала 0.1
- Проверяет рабочие процессы научных исследований, выполняемые через терминальные инструменты. Версия 0.1 отделена от общего набора задач Terminal-Bench. Методология оценки ↗
Читайте оценки в пределах одного бенчмарка, источника и версии. Более высокие значения указывают на более сильную производительность по указанной метрике, но разные столбцы не имеют общей шкалы.