Yapay Zeka Modeli Yetenek Karşılaştırması
Bilim ve matematik
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.
| No. | Model | 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)
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 ↗
LABBench 2 · Source date unknown
RiemannBench · Source date unknown
Terminal-Bench Science 0.1 · 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.
- LABBench 2Laboratuvar kıyaslaması 2
- Bilimsel bilgi ve veri analizi dahil olmak üzere biyoloji araştırma görevlerini test eder. Sonuçlar, değerlendirme sırasında kullanılabilen araçlara bağlıdır. Değerlendirme metodolojisi ↗
- RiemannBenchRiemann matematik kıyaslaması
- Sıradan yarışma alıştırmalarının ötesinde araştırma düzeyinde matematik problemlerini test eder. Puanlar, genel matematiksel ustalık yerine benchmark üzerindeki performansı yansıtır. Değerlendirme metodolojisi ↗
- Terminal-Bench Science 0.1Bilimsel terminal kıyaslaması 0.1
- Terminal araçları aracılığıyla yürütülen bilimsel araştırma iş akışlarını test eder. 0.1 sürümü, genel Terminal-Bench görev kümesinden ayrıdır. Değerlendirme metodolojisi ↗
Puanları aynı benchmark, kaynak ve sürüm içinde okuyun. Daha yüksek değerler bildirilen metrikte daha güçlü performansa işaret eder, ancak farklı sütunlar ortak bir ölçeği paylaşmaz.