Порівняння можливостей ШІ-моделей
Агентне кодування
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.
| № | Модель | 4/11 recent-year models have scores | 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 | 74.2Claude Opus 5.5 | 62.3Claude Opus 5.5 | 66.4Claude Opus 5.5 | 90.3Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 74.1GPT-6 Astra | 65.5GPT-6 Astra | 58.2GPT-6 Astra | 89.6GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — | — |
| 4 | Claude Fable 5.1 | 67.4Claude Fable 5.1 | 56.3Claude Fable 5.1 | 57.9Claude Fable 5.1 | 90.3Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 77.9Gemini 4 Argon | 55Gemini 4 Argon | 57.4Gemini 4 Argon | 91.9Gemini 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)
Джерело: Google DeepMind (model card) ↗
Картка моделі Google: результати видавця та повторно опубліковані оцінки третіх сторін, станом на жовтень 2026 року. Див. методологію щодо параметрів оцінювання; це не всі незалежні оцінювання. Методологія оцінювання ↗
DeepSWE v1.1 · Source date unknown
FrontierSWE v2 · Source date unknown
Terminal-bench 4.0 · Source date unknown
Vibe Code Bench · Source date unknown
PandaNpc Оновлено 21 жовт. 2026 р., 06:01 UTC
Джерело: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Довідка зі стовпців
- №
- Лише порядок відображення. Сортування змінює це число; це не опублікований рейтинг спроможностей.
- Модель
- Назва оцінюваної моделі та значок її постачальника. Прочерк у стовпці оцінки означає, що тут немає опублікованої оцінки, а не нуль.
- DeepSWE v1.1Програмна інженерія DeepSWE v1.1
- Перевіряє довготривалі завдання з програмної інженерії на оригінальних задачах, успішність яких зіставляється з вимогами до завдання. Порівнюйте однакову версію бенчмарку та конфігурацію агента. Методологія оцінювання ↗
- FrontierSWE v2Програмна інженерія FrontierSWE v2
- Перевіряє складні інженерні та технічні дослідницькі завдання. Оцінки відображають опубліковане оцінювання завдань, причому версія та конфігурація агента впливають на порівнюваність. Методологія оцінювання ↗
- Terminal-bench 4.0Термінальний бенчмарк 4.0
- Перевіряє виконання практичних завдань у термінальному середовищі, як-от програмування та системні операції. Різні версії використовують різні набори завдань, тому їх слід порівнювати окремо. Методологія оцінювання ↗
- Vibe Code BenchБенчмарк вайб-кодування
- Перевіряє створення вебзастосунків із запитів природною мовою, оцінюючи отриманий застосунок, а не окремі відповіді у вигляді коду. Методологія оцінювання ↗
Порівнюйте оцінки в межах одного бенчмарку, джерела та версії. Вищі значення вказують на кращу продуктивність за зазначеною метрикою, але різні стовпці не мають спільної шкали.