AI-modellers kapacitetsjämförelse
Vetenskap & matematik
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. | Modell | 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)
Källa: Google DeepMind (model card) ↗
Googles modellkort: utgivarens resultat och återpublicerade poäng från tredje part, per oktober 2026. Se metodik för utvärderingsinställningar; dessa är inte alla oberoende utvärderingar. Utvärderingsmetodik ↗
LABBench 2 · Source date unknown
RiemannBench · Source date unknown
Terminal-Bench Science 0.1 · 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.
- LABBench 2Laboratoriebenchmark 2
- Testar biologiska forskningsuppgifter, inklusive vetenskaplig information och dataanalys. Resultaten beror på vilka verktyg som finns tillgängliga under utvärderingen. Utvärderingsmetodik ↗
- RiemannBenchRiemann matematikbenchmark
- Testar matematikproblem på forskningsnivå bortom vanliga tävlingsuppgifter. Poängen återspeglar prestanda på benchmarken snarare än allmän matematisk behärskning. Utvärderingsmetodik ↗
- Terminal-Bench Science 0.1Vetenskaplig terminalbenchmark 0.1
- Testar vetenskapliga forskningsarbetsflöden som utförs via terminalverktyg. Version 0.1 är separat från den allmänna Terminal-Bench-uppgiftsuppsättningen. Utvärderingsmetodik ↗
Läs poäng inom samma benchmark, källa och version. Högre värden indikerar starkare prestanda på det rapporterade måttet, men olika kolumner delar inte en gemensam skala.