Yapay Zeka Modeli Yetenek Karşılaştırması
Bilgisayar kullanımı
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
| No. | Model | Ajan motoru | Akıl yürütme çabası | Bölünmüş | Çalıştırılan görev / toplam görev | ||
|---|---|---|---|---|---|---|---|
| 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 · profesyonel iş akışları
Kaynak: Agents’ Last Exam ↗ · CC BY 4.0 · Getirildi 21 Eki 2026 06:00 UTC
ALE-V1 · full · max · Codex · Source date unknown
PandaNpc Güncellendi 21 Eki 2026 06:01 UTC
Kaynak: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Sütun kılavuzu
- No.
- Yalnızca görüntüleme sırası. Sıralama bu sayıyı değiştirir; yayımlanmış bir yetenek sıralaması değildir.
- Model
- Değerlendirilen model adı ve sağlayıcı simgesi. Bir puan sütunundaki tire, burada yayımlanmış bir puanın bulunmadığı anlamına gelir; sıfır değildir.
- Ajan motoru
- Codex
- Akıl yürütme çabası
- max
- Puan
- ALE-V1 tam split, maksimum akıl yürütme çabası: tam puan alan tüm 152 görevin yüzdesi. Çalıştırılan görev sayıları 152'nin altında olabilir. Profesyonel iş akışları GUI ve komut satırı araçlarına izin verir; Claude Code ve Codex farklı harness'ler kullanır. Bu yalnızca GUI karşılaştırması değildir. Üst kaynak anlık görüntü tarihi yayımlanmıyor; getirme zamanı ayrıca gösterilir. Claude Code ve Codex yalnızca kendi ayrı karşılaştırma grupları içinde sıralanır. Değerlendirme metodolojisi ↗
- Kısmi puan
- ALE-V1 tam bölünmesi, maksimum akıl yürütme çabası: yayımlanan ortalama kısmi görev puanı, 0–1 aralığından yüzdeye dönüştürülmüştür. Bu, tam görev geçme oranı değildir. Profesyonel iş akışları GUI ve komut satırı araçlarına izin verir; Claude Code ve Codex farklı harness'lar kullanır. Çalıştırma görevi sayıları ve 152 görevlik bölünme gösterilir. Yukarı akış anlık görüntü tarihi yayımlanmamıştır; getirme zamanı ayrıca gösterilir. Claude Code ve Codex yalnızca kendi ayrı karşılaştırma grupları içinde sıralanır.
- Bölünmüş
- Bölünmüş
- Çalıştırılan görev / toplam görev
- Yayımlanmış bir çalıştırması olan farklı görevler / tam bölümdeki 152 görevin tamamı. Geçme oranı payda olarak tam bölümü kullanır; çalıştırılmamış görevler geçme olarak sayılmaz.