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.
Agent's Last Exam — Pass rateAjan final sınavı — geçme oranı
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| No. | Model | |
|---|---|---|
| 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)
Kaynak: Google DeepMind (model card) ↗
Google model kartı: yayıncı sonuçları ve yeniden yayımlanan üçüncü taraf puanları, Ekim 2026 itibarıyla. Değerlendirme ayarları için metodolojiye bakın; bunların tümü bağımsız değerlendirmeler değildir. Değerlendirme metodolojisi ↗
Agent's Last Exam — Pass rate · 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.
- Puan
- Gerçek yazılım ortamlarında uzun ufuklu profesyonel çalışmayı test eder. Geçme oranı, yalnızca kısmi ilerlemeyi değil, gerekli sonucu karşılayan görevleri sayar. Değerlendirme metodolojisi ↗
- Kapsam
- Yalnızca seçilen model aileleri için yayımlanmış sonuçlar gösterilir. OSWorld 2.x, Verified ve Pro şu anda Claude Opus 5 yapılandırmalarını sağlıyor; bu, her modelin tam kapsamı değildir. Windows Agent Arena, MacArena, ScreenSpot-Pro, OSWorld-Human, WebArena-Verified, VisualWebArena, Online-Mind2Web ve WorkArena++ burada henüz entegre edilmemiştir. SafeArena güvenliği ayrı ölçer ve görev tamamlama puanlarına dahil edilmez. Eksik sonuçlar asla sıfırla doldurulmaz.