Порівняння можливостей ШІ-моделей
Інтелектуальна робота
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 | 42.5ScoreClaude Opus 5.5 | 3.8Claude Opus 5.5 | 58.6Claude Opus 5.5 | 67Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 41.4ScoreGPT-6 Astra | 5.4GPT-6 Astra | 53.5GPT-6 Astra | 63.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — | — |
| 4 | Claude Fable 5.1 | 31.4ScoreClaude Fable 5.1 | 6.7Claude Fable 5.1 | 58.9Claude Fable 5.1 | 65.8Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 51.3ScoreGemini 4 Argon | 19.6Gemini 4 Argon | 65.4Gemini 4 Argon | 68.9Gemini 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 ↗
AutomationBench — Score · Source date unknown
Harvey's Legal Agent Benchmark · Source date unknown
Vals Finance Agent v2 · Source date unknown
Vals Index · 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.
- AutomationBench — ScoreБенчмарк автоматизації — оцінка
- Перевіряє, чи агент виконує бізнес-процеси в кількох застосунках. Офіційні оцінки використовують приватний набір завдань і перевіряють кінцевий стан робочого процесу. Методологія оцінювання ↗
- Harvey's Legal Agent BenchmarkБенчмарк юридичного агента Harvey
- Перевіряє агентів, які читають і редагують файли, щоб створювати багатокрокові юридичні робочі продукти. Завдання вважається пройденим лише тоді, коли виконано кожну вимогу оцінювання. Бал — це середній відсоток проходження завдань за двома суддями; вище — краще. Це не відсоток окремо пройдених критеріїв, і він оцінює робочі процеси юридичних агентів, а не питання юридичного міркування з LegalBench. Методологія оцінювання ↗
- Vals Finance Agent v2Фінансовий агент Vals v2
- Перевіряє фінансовий аналіз із пошуком, фінансовими звітами та інструментами обчислень, зокрема перевірку даних між документами, порівняння ефективності компаній та оцінювання. Основний показник — Partial Credit, усереднений за трьома запусками: перевірки відповідей отримують ваги залежно від серйозності, а критична помилка dealbreaker обнуляє бал за це питання. Вище — краще. Це відрізняється від окремого показника All-Pass і не є відсотком проходження цілого питання. Методологія оцінювання ↗
- Vals IndexЗведений індекс Vals
- Зведений індекс професійних завдань у таких сферах, як фінанси, програмування та право. Його відсотковий бал поєднує результати бенчмарків із використанням методу зважування для цієї опублікованої версії; вище означає кращу загальну продуктивність, а не точність окремого завдання. Включені домени та ваги змінюються між версіями, тому новішу методологію не можна застосовувати ретроспективно до старіших знімків балів. 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.