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.
ALE-V1 · full · max · Codex
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| 編號 | 模型 | Agent 引擎 | 推理強度 | 分拆 | 已執行任務數 / 任務總數 | ||
|---|---|---|---|---|---|---|---|
| 1 |  GPT-6 Astragpt-6-astra | Codex | max | 34.21% | 59.26% | full | 151 / 152 |
| 2 | GPT-6 Solgpt-6-sol | Codex | max | 31.58% | 58.57% | full | 151 / 152 |
| 3 | GPT-6 Lunagpt-6-luna | Codex | max | 25% | 50.89% | full | 150 / 152 |
ALE · 專業工作流程
來源: Agents’ Last Exam ↗ · CC BY 4.0 · 已擷取 2026年10月21日 06:00 [UTC]
ALE-V1 · full · max · Codex · 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。
- Agent 引擎
- Codex
- 推理強度
- max
- 評分
- ALE-V1 完整分割、最大推理力度：所有 152 項任務中獲得滿分的百分比。執行任務的數量可能少於 152。專業工作流程允許使用 GUI 及命令列工具；Claude Code 與 Codex 使用不同的測試框架。這並非僅限 GUI 的比較。沒有公佈上游快照日期；擷取時間會另行顯示。Claude Code 與 Codex 僅在各自獨立的比較組別內排名。 評估方法 ↗
- 部分得分
- ALE-V1 完整拆分、最高推理力度：已公布的平均部分任務分數，由 0–1 轉換為百分比。這不是完整任務通過率。專業工作流程允許使用 GUI 及命令列工具；Claude Code 與 Codex 使用不同的測試框架。已顯示執行任務次數及 152 項任務拆分。上游沒有公布快照日期；擷取時間另行顯示。Claude Code 與 Codex 僅在各自獨立的比較群組內排名。
- 分拆
- 分拆
- 已執行任務數 / 任務總數
- 有已公佈執行結果的不同任務 / 完整分割中全部 152 項任務。通過率以完整分割作為分母；未執行的任務不計作通過。