人工智能模型能力比較
代理式編程
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.
| 編號 | 模型 | 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 | 74.2Claude Opus 5.5 | 62.3Claude Opus 5.5 | 66.4Claude Opus 5.5 | 90.3Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 74.1GPT-6 Astra | 65.5GPT-6 Astra | 58.2GPT-6 Astra | 89.6GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — | — |
| 4 | Claude Fable 5.1 | 67.4Claude Fable 5.1 | 56.3Claude Fable 5.1 | 57.9Claude Fable 5.1 | 90.3Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 77.9Gemini 4 Argon | 55Gemini 4 Argon | 57.4Gemini 4 Argon | 91.9Gemini 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)
來源: Google DeepMind (model card) ↗
Google 模型卡：發佈者結果及轉載的第三方分數，截至 2026 年 10 月。評估設定請參閱方法論；這些並非全部都是獨立評估。 評估方法 ↗
DeepSWE v1.1 · Source date unknown
FrontierSWE v2 · Source date unknown
Terminal-bench 4.0 · Source date unknown
Vibe Code Bench · Source date unknown
PandaNpc 更新 2026年10月21日 06:01 [UTC]
來源: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
欄位說明
- 編號
- 僅供顯示排序。排序會改變此數字；此並非已發佈的能力排名。
- 模型
- 受評估的模型名稱及其供應商圖示。分數欄中的破折號表示此處沒有已發佈的分數，而非零分。
- DeepSWE v1.1DeepSWE 軟件工程 v1.1
- 測試在原創任務上的長時程軟件工程，並按任務要求檢查是否成功。比較時應使用相同的基準版本及代理設定。 評估方法 ↗
- FrontierSWE v2FrontierSWE 軟件工程 v2
- 測試困難的工程及技術研究任務。分數反映已發佈的任務評估，版本及代理設定會影響可比性。 評估方法 ↗
- Terminal-bench 4.0終端機基準 4.0
- 測試在終端環境中完成實務任務，例如編程及系統操作。不同版本使用不同任務集，應分開比較。 評估方法 ↗
- Vibe Code BenchVibe 編程基準
- 測試根據自然語言請求建立網頁應用程式，評估最終應用程式，而非孤立的程式碼答案。 評估方法 ↗
請在同一基準、來源及版本內比較分數。數值越高代表在該報告指標上的表現越強，但不同欄位並不共用同一尺度。