AI-modellers kapacitetsjämförelse
Datoranvändning
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
| Nr. | Modell | Agentmotor | Resonemangsansträngning | Uppdelning | Körda uppgifter / totalt antal uppgifter | ||
|---|---|---|---|---|---|---|---|
| 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 · professionella arbetsflöden
Källa: Agents’ Last Exam ↗ · CC BY 4.0 · Hämtad 21 okt. 2026 06:00 UTC
ALE-V1 · full · max · Codex · Source date unknown
PandaNpc Uppdaterad 21 okt. 2026 06:01 UTC
Källa: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Kolumnvägledning
- Nr.
- Endast visningsordning. Sortering ändrar detta nummer; det är inte en publicerad kapacitetsrankning.
- Modell
- Det utvärderade modellnamnet och dess leverantörsikon. Ett streck i en poängkolumn betyder att ingen publicerad poäng finns här, inte en nolla.
- Agentmotor
- Codex
- Resonemangsansträngning
- max
- Poäng
- ALE-V1 full split, maximal resonemangsansträngning: andel av alla 152 uppgifter som får full poäng. Antalet körda uppgifter kan vara under 152. Professionella arbetsflöden tillåter GUI- och kommandoradsverktyg; Claude Code och Codex använder olika ramverk. Detta är inte en jämförelse enbart för GUI. Inget upstream-datum för ögonblicksbild publiceras; hämtningstiden visas separat. Claude Code och Codex rangordnas endast inom sina separata jämförelsegrupper. Utvärderingsmetodik ↗
- Delpoäng
- ALE-V1 full split, maximal resonemangsinsats: den publicerade genomsnittliga deluppgiftspoängen, omvandlad från 0–1 till en procentandel. Detta är inte andelen godkända hela uppgifter. Professionella arbetsflöden tillåter GUI- och kommandoradsverktyg; Claude Code och Codex använder olika testramverk. Antal körda uppgifter och uppdelningen på 152 uppgifter visas. Inget datum för uppströmsögonblicksbild publiceras; hämtningstiden visas separat. Claude Code och Codex rangordnas endast inom sina separata jämförelsegrupper.
- Uppdelning
- Uppdelning
- Körda uppgifter / totalt antal uppgifter
- Unika uppgifter med en publicerad körning / alla 152 uppgifter i hela spliten. Godkännandegraden använder hela spliten som nämnare; uppgifter som inte har körts räknas inte som godkända.