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 | 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 | 73.1Claude Opus 5.5 | 69.6Claude Opus 5.5 | 63.3Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 85.4GPT-6 Astra | 72GPT-6 Astra | 68.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — |
| 4 | Claude Fable 5.1 | 68.6Claude Fable 5.1 | 65.6Claude Fable 5.1 | 52.6Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 88.8Gemini 4 Argon | 76Gemini 4 Argon | 57.6Gemini 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 ↗
LABBench 2 · Source date unknown
RiemannBench · Source date unknown
Terminal-Bench Science 0.1 · 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。
- LABBench 2實驗室基準 2
- 測試生物學研究任務，包括科學資訊及數據分析。結果取決於評估期間可用的工具。 評估方法 ↗
- RiemannBenchRiemann 數學基準
- 測試超出一般競賽練習的研究級數學問題。分數反映在該基準上的表現，而非一般數學掌握程度。 評估方法 ↗
- Terminal-Bench Science 0.1科學終端機基準 0.1
- 測試透過終端工具進行的科學研究工作流程。0.1 版本與一般 Terminal-Bench 任務集分開。 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。