人工智能模型能力比較
電腦操作
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.
Coarena · 混合任務
— means no published score for this candidate in this source, not zero.7/11 recent-year models have scores
| 編號 | 模型 | Agent 引擎 | 推理強度 | 95% 區間 | |
|---|---|---|---|---|---|
| 1 |  GPT-6 Solgpt-6-sol | Coarena | medium | 1043 | 985–1101 |
| 2 | GPT-6.1 Solgpt-6.1-sol | Coarena | medium | 1025 | 965–1085 |
| 3 | GPT-6 Lunagpt-6-luna | Coarena | medium | 1018 | 966–1070 |
| 4 |  Claude Opus 5.5claude-opus-5-5 | Coarena | medium | 1010 | 973–1047 |
| 5 | Claude Fable 5.1claude-fable-5-1 | Coarena | medium | 1001 | 968–1034 |
| 6 | Claude Sonnet 5.5claude-sonnet-5-5 | Coarena | medium | 989 | 928–1050 |
| 7 | GPT-6 Astragpt-6-astra | Coarena | medium | 976 | 936–1016 |
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。
- Agent 引擎
- Coarena
- 推理強度
- medium
- 評分
- 於 Coarena 測試框架中，針對混合瀏覽器、桌面、編程及問答任務進行的盲測人類偏好評分。此為 Bradley–Terry 評分，並非百分比，亦非經核實的任務成功率。區間為 95%；區間重疊並不代表分出勝負。此為整體結果，並非桌面子集。推理力度僅於有公佈時顯示。排名採用最近 20,000 場符合資格且經評判的對戰；PandaNpc 顯示其擷取時間，因為此快照未提供計算時間戳。 評估方法 ↗
- 95% 區間
- 95% 區間