Порівняння можливостей ШІ-моделей
Використання комп'ютера
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
| № | Модель | Рушій агента | Зусилля міркування | Розбивка | Виконано завдань / усього завдань | ||
|---|---|---|---|---|---|---|---|
| 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 · професійні робочі процеси
Джерело: Agents’ Last Exam ↗ · CC BY 4.0 · Отримано 21 жовт. 2026 р., 06:00 UTC
ALE-V1 · full · max · Codex · 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.
- Рушій агента
- Codex
- Зусилля міркування
- max
- Оцінка
- ALE-V1, повний набір, максимальний рівень зусиль міркування: відсоток усіх 152 завдань, що отримали повний бал. Кількість запущених завдань може бути меншою за 152. Професійні робочі процеси дозволяють використовувати GUI та інструменти командного рядка; Claude Code і Codex використовують різні харнеси. Це не порівняння лише за GUI. Дату знімка upstream не опубліковано; час отримання показано окремо. Claude Code і Codex ранжуються лише в межах своїх окремих груп порівняння. Методологія оцінювання ↗
- Частковий бал
- ALE-V1, повний набір, максимальний рівень міркування: опублікований середній бал часткового виконання завдання, перетворений з 0–1 у відсотки. Це не частка повністю виконаних завдань. Професійні робочі процеси дозволяють використовувати GUI та інструменти командного рядка; Claude Code і Codex використовують різні тестові обв'язки. Показано кількість запусків завдань і розбиття на 152 завдання. Дату знімка upstream не опубліковано; час отримання показано окремо. Claude Code і Codex ранжуються лише в межах їхніх окремих груп порівняння.
- Розбивка
- Розбивка
- Виконано завдань / усього завдань
- Окремі завдання з опублікованим запуском / усі 152 завдання в повному розбитті. Відсоток проходження обчислюється з повним розбиттям у знаменнику; невиконані завдання не зараховуються як пройдені.