การเปรียบเทียบความสามารถของโมเดล AI
การใช้คอมพิวเตอร์
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 rateการสอบปลายภาคของเอเจนต์ — อัตราการผ่าน
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| ลำดับ | โมเดล | |
|---|---|---|
| 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)
แหล่งที่มา: Google DeepMind (model card) ↗
การ์ดโมเดลของ Google: ผลลัพธ์จากผู้เผยแพร่และคะแนนจากบุคคลที่สามที่เผยแพร่ซ้ำ ณ เดือนตุลาคม 2026 โปรดดูระเบียบวิธีสำหรับการตั้งค่าการประเมิน; สิ่งเหล่านี้ไม่ใช่การประเมินอิสระทั้งหมด ระเบียบวิธีประเมิน ↗
Agent's Last Exam — Pass rate · Source date unknown
PandaNpc อัปเดต 21 ต.ค. 2569 06:01 UTC
แหล่งที่มา: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
คำแนะนำคอลัมน์
- ลำดับ
- เป็นเพียงลำดับการแสดงผลเท่านั้น การจัดเรียงจะเปลี่ยนตัวเลขนี้ ไม่ใช่การจัดอันดับความสามารถที่เผยแพร่
- โมเดล
- ชื่อโมเดลที่ถูกประเมินและไอคอนผู้ให้บริการ เครื่องหมายขีดในคอลัมน์คะแนนหมายความว่าไม่มีคะแนนที่เผยแพร่ที่นี่ ไม่ใช่ศูนย์
- คะแนน
- ทดสอบงานวิชาชีพระยะยาวในสภาพแวดล้อมซอฟต์แวร์จริง อัตราการผ่านนับเฉพาะงานที่บรรลุผลลัพธ์ที่กำหนด ไม่ใช่แค่ความคืบหน้าบางส่วน ระเบียบวิธีประเมิน ↗
- ความครอบคลุม
- แสดงเฉพาะผลลัพธ์ที่เผยแพร่แล้วสำหรับตระกูลโมเดลที่เลือกเท่านั้น OSWorld 2.x, Verified และ Pro ปัจจุบันมีการกำหนดค่าของ Claude Opus 5; นี่ไม่ใช่ความครอบคลุมที่สมบูรณ์ของทุกโมเดล Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web และ WorkArena++ ยังไม่ได้รับการรวมไว้ที่นี่ SafeArena วัดความปลอดภัยแยกต่างหาก และไม่ถูกนำมารวมกับคะแนนความสำเร็จของงาน ผลลัพธ์ที่หายไปจะไม่ถูกเติมด้วยศูนย์