So sánh năng lực mô hình AI
Lập trình tác tử
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.
| STT | Mô hình | 10/11 recent-year models have scores | 7/11 recent-year models have scores |
|---|---|---|---|
| 1 |  Claude Opus 5.5 | 54.64medium · claude-codeclaude-opus-5-5_medium | 62.33max · proximusclaude-opus-5-5_max |
| 2 |  GPT-6 Astra | 53.26max · codexgpt-6-astra_max | 65.51max · proximusgpt-6-astra_max |
| 3 | GPT-6.1 Sol | 50.23medium · codexgpt-6.1-sol_medium | — |
| 4 | Claude Fable 5.1 | 50.91medium · claude-codeclaude-fable-5-1_medium | 56.29max · proximusclaude-fable-5-1_max |
| 5 |  Gemini 4 Argon | 47.55medium · chiselgemini-4-argon_medium | 54.96high · proximusgemini-4-argon_high |
| 6 | Claude Sonnet 5.5 | 52.09xhigh · claude-codeclaude-sonnet-5-5_xhigh | 61.89max · proximusclaude-sonnet-5-5_max |
| 7 | Claude Opus 5 | 53.38medium · claude-codeclaude-opus-5_max | 52.01max · proximusclaude-opus-5_max |
| 8 | GPT-6 Sol | 49.27max · codexgpt-6-sol_max | — |
| 9 | GPT-6 Luna | 42.42max · codexgpt-6-luna_max | — |
| 10 | Claude Haiku 5.5 | 46.36max · claude-codeclaude-haiku-5-5_max | 43.77max · proximusclaude-haiku-5-5_max |
| 11 | Claude Mythos Preview | — | — |
Benchmark Epoch AI
Nguồn: Epoch AI, CC BY 4.0 ↗ · Đã cập nhật 2026-10-15
FrontierCode · Đã cập nhật 2026-10-07
FrontierSWE · Đã cập nhật 2026-10-07
PandaNpc Đã cập nhật 06:01 UTC 21 thg 10, 2026
Nguồn: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Hướng dẫn cột
- STT
- Chỉ là thứ tự hiển thị. Việc sắp xếp làm thay đổi số này; đây không phải là xếp hạng năng lực được công bố.
- Mô hình
- Tên mô hình được đánh giá và biểu tượng nhà cung cấp của mô hình đó. Dấu gạch ngang trong một cột điểm nghĩa là không có điểm nào được công bố ở đây, chứ không phải là số 0.
- FrontierCodeLập trình FrontierCode
- Kiểm tra liệu các thay đổi mã có đáp ứng yêu cầu của người bảo trì để hợp nhất hay không, kết hợp kiểm tra chức năng với tiêu chí chất lượng. Phương pháp đánh giá ↗
- FrontierSWEKỹ thuật phần mềm FrontierSWE
- Kiểm tra các tác vụ nghiên cứu kỹ thuật và công nghệ khó. Điểm số phản ánh đánh giá tác vụ đã công bố, trong đó phiên bản và thiết lập agent ảnh hưởng đến khả năng so sánh. Phương pháp đánh giá ↗
Hãy đọc điểm trong cùng một benchmark, nguồn và phiên bản. Giá trị cao hơn cho thấy hiệu suất mạnh hơn trên chỉ số được báo cáo, nhưng các cột khác nhau không dùng chung một thang đo.