การเปรียบเทียบความสามารถของโมเดล AI
วิทยาศาสตร์และคณิตศาสตร์
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 | 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)
แหล่งที่มา: Google DeepMind (model card) ↗
การ์ดโมเดลของ Google: ผลลัพธ์จากผู้เผยแพร่และคะแนนจากบุคคลที่สามที่เผยแพร่ซ้ำ ณ เดือนตุลาคม 2026 โปรดดูระเบียบวิธีสำหรับการตั้งค่าการประเมิน; สิ่งเหล่านี้ไม่ใช่การประเมินอิสระทั้งหมด ระเบียบวิธีประเมิน ↗
LABBench 2 · Source date unknown
RiemannBench · Source date unknown
Terminal-Bench Science 0.1 · 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
- LABBench 2เบนช์มาร์กห้องปฏิบัติการ 2
- ทดสอบงานวิจัยทางชีววิทยา รวมถึงข้อมูลทางวิทยาศาสตร์และการวิเคราะห์ข้อมูล ผลลัพธ์ขึ้นอยู่กับเครื่องมือที่มีระหว่างการประเมิน ระเบียบวิธีประเมิน ↗
- RiemannBenchเบนช์มาร์กคณิตศาสตร์ Riemann
- ทดสอบโจทย์คณิตศาสตร์ระดับงานวิจัยที่เกินกว่าโจทย์การแข่งขันทั่วไป คะแนนสะท้อนประสิทธิภาพบนเบนช์มาร์ก ไม่ใช่ความเชี่ยวชาญคณิตศาสตร์โดยทั่วไป ระเบียบวิธีประเมิน ↗
- Terminal-Bench Science 0.1เบนช์มาร์กเทอร์มินัลเชิงวิทยาศาสตร์ 0.1
- ทดสอบกระบวนการทำงานวิจัยทางวิทยาศาสตร์ที่ดำเนินการผ่านเครื่องมือเทอร์มินัล เวอร์ชัน 0.1 แยกจากชุดงาน Terminal-Bench ทั่วไป ระเบียบวิธีประเมิน ↗
ควรอ่านคะแนนภายใน benchmark แหล่งที่มา และเวอร์ชันเดียวกัน ค่าที่สูงขึ้นบ่งบอกถึงประสิทธิภาพที่แข็งแกร่งขึ้นในเมตริกที่รายงาน แต่คอลัมน์ต่างๆ ไม่ได้ใช้มาตรวัดร่วมกัน