So sánh năng lực mô hình AI
Khoa học & toán học
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 | 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 | 73.1Claude Opus 5.5 | 69.6Claude Opus 5.5 | 63.3Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 85.4GPT-6 Astra | 72GPT-6 Astra | 68.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — |
| 4 | Claude Fable 5.1 | 68.6Claude Fable 5.1 | 65.6Claude Fable 5.1 | 52.6Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 88.8Gemini 4 Argon | 76Gemini 4 Argon | 57.6Gemini 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)
Nguồn: Google DeepMind (model card) ↗
Thẻ mô hình Google: kết quả từ nhà phát hành và điểm số của bên thứ ba được đăng lại, tính đến tháng 10 năm 2026. Xem phương pháp để biết thiết lập đánh giá; không phải tất cả những đánh giá này đều độc lập. Phương pháp đánh giá ↗
LABBench 2 · Source date unknown
RiemannBench · Source date unknown
Terminal-Bench Science 0.1 · Source date unknown
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.
- LABBench 2Benchmark phòng thí nghiệm 2
- Kiểm tra các tác vụ nghiên cứu sinh học, bao gồm thông tin khoa học và phân tích dữ liệu. Kết quả phụ thuộc vào các công cụ có sẵn trong quá trình đánh giá. Phương pháp đánh giá ↗
- RiemannBenchBenchmark toán học Riemann
- Kiểm tra các bài toán toán học ở mức nghiên cứu vượt ra ngoài các bài tập thi đấu thông thường. Điểm số phản ánh hiệu suất trên benchmark thay vì mức độ thành thạo toán học nói chung. Phương pháp đánh giá ↗
- Terminal-Bench Science 0.1Benchmark terminal khoa học 0.1
- Kiểm tra các quy trình nghiên cứu khoa học được thực hiện thông qua công cụ terminal. Phiên bản 0.1 tách biệt với bộ tác vụ Terminal-Bench chung. 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.