Порівняння можливостей ШІ-моделей
Наука та математика
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 | 10/11 recent-year models have scores | 10/11 recent-year models have scores | 10/11 recent-year models have scores | 10/11 recent-year models have scores | 9/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 31.71maxclaude-opus-5-5_max | 91.23maxclaude-opus-5-5_max | 95maxclaude-opus-5-5_max | 100maxclaude-opus-5-5_max | 90.59maxclaude-opus-5-5_max | — |
| 2 |  GPT-6 Astra | 31.71maxgpt-6-astra_max | 93.68maxgpt-6-astra_max | 97.6highgpt-6-astra_high | 99unknowngpt-6-astra_unknown | 95.77maxgpt-6-astra_max | 54.8unknowngpt-6-astra_unknown |
| 3 | GPT-6.1 Sol | 31.71maxgpt-6.1-sol_max | 93.68maxgpt-6.1-sol_max | 100maxgpt-6.1-sol_max | 99unknowngpt-6.1-sol_unknown | 95.39maxgpt-6.1-sol_max | — |
| 4 | Claude Fable 5.1 | 31.14xhighclaude-fable-5-1_xhigh | 90.18maxclaude-fable-5-1_max | 87.8maxclaude-fable-5-1_max | 100maxclaude-fable-5-1_max | — | 46.5xhighclaude-fable-5-1_xhigh |
| 5 |  Gemini 4 Argon | 27.14highgemini-4-argon_high | 85.96highgemini-4-argon_high | 78.05highgemini-4-argon_high | 99unknowngemini-4-argon_unknown | 96.4highgemini-4-argon_high | — |
| 6 | Claude Sonnet 5.5 | 31.43maxclaude-sonnet-5-5_max | 88.77maxclaude-sonnet-5-5_max | 80.49maxclaude-sonnet-5-5_max | 100maxclaude-sonnet-5-5_max | 95.58maxclaude-sonnet-5-5_max | 46.12xhighclaude-sonnet-5-5_xhigh |
| 7 | Claude Opus 5 | 29.14maxclaude-opus-5_max | 85.61maxclaude-opus-5_max | 73.17maxclaude-opus-5_max | 99maxclaude-opus-5_max | 93.88maxclaude-opus-5_max | — |
| 8 | GPT-6 Sol | 30.86maxgpt-6-sol_max | 89.82maxgpt-6-sol_max | 90maxgpt-6-sol_max | 83unknowngpt-6-sol_unknown | 94.32maxgpt-6-sol_max | — |
| 9 | GPT-6 Luna | 19.43maxgpt-6-luna_max | 78.95maxgpt-6-luna_max | 56.1maxgpt-6-luna_max | 64unknowngpt-6-luna_unknown | 90.47maxgpt-6-luna_max | — |
| 10 | Claude Haiku 5.5 | 22.57xhighclaude-haiku-5-5_xhigh | 75.09maxclaude-haiku-5-5_max | 46.34maxclaude-haiku-5-5_max | 89maxclaude-haiku-5-5_max | 89.65maxclaude-haiku-5-5_max | 30.12unknownclaude-haiku-5-5_unknown |
| 11 | Claude Mythos Preview | — | — | — | — | — | — |
Бенчмарки Epoch AI
Джерело: Epoch AI, CC BY 4.0 ↗ · Оновлено 2026-10-15
CritPt · Оновлено 2026-10-15
FrontierMath Tiers 1-3 · Оновлено 2026-10-15
FrontierMath Tier 4 · Оновлено 2026-10-15
ProofBench · Оновлено 2026-10-12
GPQA Diamond · Оновлено 2026-10-15
Humanity's Last Exam · Оновлено 2026-10-07
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.
- CritPtЗадачі з фізики дослідницького рівня
- Перевіряє міркування над неопублікованими фізичними задачами дослідницького рівня із сучасних галузей фізики. Методологія оцінювання ↗
- FrontierMath Tiers 1-3Frontier-математика — рівні 1-3
- Перевіряє складні оригінальні математичні задачі рівнів складності 1–3. Ці оцінки не слід об’єднувати зі складнішим рівнем 4. Методологія оцінювання ↗
- FrontierMath Tier 4Frontier-математика — рівень 4
- Перевіряє найскладніший рівень дослідницьких задач FrontierMath, окремо від рівнів 1–3. Методологія оцінювання ↗
- ProofBenchБенчмарк формальних математичних доведень
- Перевіряє створення математичних доведень, які може перевірити формальний верифікатор. Методологія оцінювання ↗
- GPQA DiamondЗапитання й відповіді рівня випускника — Diamond
- Перевіряє складні наукові питання рівня аспірантури, що вимагають спеціалізованих знань і міркування. Методологія оцінювання ↗
- Humanity's Last ExamФінальний іспит людства
- Тестує складні запитання експертного рівня з багатьох академічних предметів. Це бенчмарк запитань і відповідей, відмінний від Agents' Last Exam. 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.