การเปรียบเทียบความสามารถของโมเดล AI
บริบทยาว
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.
| ลำดับ | โมเดล | 4/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|
| 1 |  Claude Opus 5.5 | 66.8256k to 1M, BFS (F1)Claude Opus 5.5 | 90.6Up to 128k, BFS (F1)Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 71.8256k to 1M, BFS (F1)GPT-6 Astra | 98.7Up to 128k, BFS (F1)GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — |
| 4 | Claude Fable 5.1 | 65256k to 1M, BFS (F1)Claude Fable 5.1 | 91.4Up to 128k, BFS (F1)Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 84.2256k to 1M, BFS (F1)Gemini 4 Argon | 99.7Up to 128k, BFS (F1)Gemini 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)
แหล่งที่มา: Google DeepMind (model card) ↗
การ์ดโมเดลของ Google: ผลลัพธ์จากผู้เผยแพร่และคะแนนจากบุคคลที่สามที่เผยแพร่ซ้ำ ณ เดือนตุลาคม 2026 โปรดดูระเบียบวิธีสำหรับการตั้งค่าการประเมิน; สิ่งเหล่านี้ไม่ใช่การประเมินอิสระทั้งหมด ระเบียบวิธีประเมิน ↗
GraphWalks — 256k to 1M, BFS (F1) · Source date unknown
GraphWalks — Up to 128k, BFS (F1) · 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
- GraphWalks — 256k to 1M, BFS (F1)การท่องกราฟ — 256k ถึง 1M, การค้นหาแบบกว้างก่อน (F1)
- ทดสอบการเดินกราฟแบบ breadth-first ในบริบทตั้งแต่ 256k ถึง 1M token F1 สมดุล precision และ recall; นี่เป็นช่วงความยาวแยกต่างหากจากคอลัมน์ 128k ระเบียบวิธีประเมิน ↗
- GraphWalks — Up to 128k, BFS (F1)การท่องกราฟ — สูงสุด 128k, การค้นหาแบบกว้างก่อน (F1)
- ทดสอบการเดินกราฟแบบ breadth-first โดยใช้บริบทสูงสุดถึง 128k token F1 สมดุล precision และ recall ของชุดโหนดที่ส่งคืน ระเบียบวิธีประเมิน ↗
ควรอ่านคะแนนภายใน benchmark แหล่งที่มา และเวอร์ชันเดียวกัน ค่าที่สูงขึ้นบ่งบอกถึงประสิทธิภาพที่แข็งแกร่งขึ้นในเมตริกที่รายงาน แต่คอลัมน์ต่างๆ ไม่ได้ใช้มาตรวัดร่วมกัน