人工智能模型能力比較
機器學習工程
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 |
|---|---|---|
| 1 |  Claude Opus 5.5 | 49.3OpenCode, 10h, H100Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 44.3OpenCode, 10h, H100GPT-6 Astra |
| 3 | GPT-6.1 Sol | — |
| 4 | Claude Fable 5.1 | 40.2OpenCode, 10h, H100Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 45.3OpenCode, 10h, H100Gemini 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 ↗
PostTrainBench v1.1 · 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。
- PostTrainBench v1.1後訓練基準 v1.1
- 測試代理能否在運算預算下透過後訓練改善基礎模型。分數總結所得模型在下游評估上的表現。 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。