人工智能模型能力比較
科學與數學
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 | 10/11 recent-year models have scores | 10/11 recent-year models have scores | 10/11 recent-year models have scores | 10/11 recent-year models have scores | 9/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 31.71maxclaude-opus-5-5_max | 91.23maxclaude-opus-5-5_max | 95maxclaude-opus-5-5_max | 100maxclaude-opus-5-5_max | 90.59maxclaude-opus-5-5_max | — |
| 2 |  GPT-6 Astra | 31.71maxgpt-6-astra_max | 93.68maxgpt-6-astra_max | 97.6highgpt-6-astra_high | 99unknowngpt-6-astra_unknown | 95.77maxgpt-6-astra_max | 54.8unknowngpt-6-astra_unknown |
| 3 | GPT-6.1 Sol | 31.71maxgpt-6.1-sol_max | 93.68maxgpt-6.1-sol_max | 100maxgpt-6.1-sol_max | 99unknowngpt-6.1-sol_unknown | 95.39maxgpt-6.1-sol_max | — |
| 4 | Claude Fable 5.1 | 31.14xhighclaude-fable-5-1_xhigh | 90.18maxclaude-fable-5-1_max | 87.8maxclaude-fable-5-1_max | 100maxclaude-fable-5-1_max | — | 46.5xhighclaude-fable-5-1_xhigh |
| 5 |  Gemini 4 Argon | 27.14highgemini-4-argon_high | 85.96highgemini-4-argon_high | 78.05highgemini-4-argon_high | 99unknowngemini-4-argon_unknown | 96.4highgemini-4-argon_high | — |
| 6 | Claude Sonnet 5.5 | 31.43maxclaude-sonnet-5-5_max | 88.77maxclaude-sonnet-5-5_max | 80.49maxclaude-sonnet-5-5_max | 100maxclaude-sonnet-5-5_max | 95.58maxclaude-sonnet-5-5_max | 46.12xhighclaude-sonnet-5-5_xhigh |
| 7 | Claude Opus 5 | 29.14maxclaude-opus-5_max | 85.61maxclaude-opus-5_max | 73.17maxclaude-opus-5_max | 99maxclaude-opus-5_max | 93.88maxclaude-opus-5_max | — |
| 8 | GPT-6 Sol | 30.86maxgpt-6-sol_max | 89.82maxgpt-6-sol_max | 90maxgpt-6-sol_max | 83unknowngpt-6-sol_unknown | 94.32maxgpt-6-sol_max | — |
| 9 | GPT-6 Luna | 19.43maxgpt-6-luna_max | 78.95maxgpt-6-luna_max | 56.1maxgpt-6-luna_max | 64unknowngpt-6-luna_unknown | 90.47maxgpt-6-luna_max | — |
| 10 | Claude Haiku 5.5 | 22.57xhighclaude-haiku-5-5_xhigh | 75.09maxclaude-haiku-5-5_max | 46.34maxclaude-haiku-5-5_max | 89maxclaude-haiku-5-5_max | 89.65maxclaude-haiku-5-5_max | 30.12unknownclaude-haiku-5-5_unknown |
| 11 | Claude Mythos Preview | — | — | — | — | — | — |
Epoch AI 基準測試
來源: Epoch AI, CC BY 4.0 ↗ · 更新 2026-10-15
CritPt · 更新 2026-10-15
FrontierMath Tiers 1-3 · 更新 2026-10-15
FrontierMath Tier 4 · 更新 2026-10-15
ProofBench · 更新 2026-10-12
GPQA Diamond · 更新 2026-10-15
Humanity's Last Exam · 更新 2026-10-07
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。
- CritPt研究級物理問題
- 測試在現代物理學各領域中，對未發表的研究級物理問題進行推理。 評估方法 ↗
- FrontierMath Tiers 1-3前沿數學 — 第 1-3 級
- 測試難度等級 1–3 中具挑戰性的原創數學問題。這些分數不應與更難的第 4 級合併。 評估方法 ↗
- FrontierMath Tier 4前沿數學 — 第 4 級
- 測試 FrontierMath 研究級問題中最難的等級，並與等級 1–3 分開。 評估方法 ↗
- ProofBench形式數學證明基準
- 測試產生可被形式驗證器檢查的數學證明。 評估方法 ↗
- GPQA Diamond研究生程度問答 — Diamond
- 測試需要專業知識與推理能力的困難研究生程度科學問題。 評估方法 ↗
- Humanity's Last Exam人類最終考試
- 測試橫跨多個學術科目嘅高難度專家級問題。佢係問答式基準，同 Agents' Last Exam 唔同。 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。