AI 模型能力对比
智能体编程
仅显示最近一年发布的模型；只展示覆盖其中至少 3 款模型的评测。发布日期未知的不显示，历史数据仍保留。
— 表示此来源未公布该候选的成绩，不代表零分。
| 序号 | 模型 | 近一年模型中 4/11 款有成绩 | 近一年模型中 4/11 款有成绩 | 近一年模型中 4/11 款有成绩 | 近一年模型中 4/11 款有成绩 |
|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 74.2Claude Opus 5.5 | 62.3Claude Opus 5.5 | 66.4Claude Opus 5.5 | 90.3Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 74.1GPT-6 Astra | 65.5GPT-6 Astra | 58.2GPT-6 Astra | 89.6GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — | — |
| 4 | Claude Fable 5.1 | 67.4Claude Fable 5.1 | 56.3Claude Fable 5.1 | 57.9Claude Fable 5.1 | 90.3Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 77.9Gemini 4 Argon | 55Gemini 4 Argon | 57.4Gemini 4 Argon | 91.9Gemini 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)
数据来源: Google DeepMind (model card) ↗
Google 模型卡汇总截至 2026 年 10 月的发布方测评及转载的第三方评分，并非全部为独立测评；具体评测设置见方法说明。 评测方法说明 ↗
DeepSWE v1.1 · Source date unknown
FrontierSWE v2 · Source date unknown
Terminal-bench 4.0 · Source date unknown
Vibe Code Bench · Source date unknown
PandaNpc 更新于 2026年10月21日 UTC 06:01
数据来源: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
列说明
- 序号
- 仅表示当前显示顺序；排序会改变序号，它不是官方能力排名。
- 模型
- 显示被评测模型的名称及厂商图标；评分中的破折号表示此处暂无已发布成绩，不代表零分。
- DeepSWE v1.1DeepSWE 软件工程 v1.1
- 测试原创、长流程的软件工程任务，并按任务要求检查完成情况；比较时应使用相同版本和智能体配置。 评测方法说明 ↗
- FrontierSWE v2FrontierSWE 软件工程 v2
- 测试高难度工程与技术研究任务，按已发布的任务评测计分；版本和智能体配置会影响可比性。 评测方法说明 ↗
- Terminal-bench 4.0终端操作基准 4.0
- 测试在终端环境中完成编程、系统操作等实际任务的能力；不同版本的任务集不同，应分别比较。 评测方法说明 ↗
- Vibe Code Bench氛围编程基准
- 测试根据自然语言需求构建网页应用的能力，评估实际生成的应用，而不是孤立的代码问答。 评测方法说明 ↗
请在同一基准、来源和版本内解读分数。数值越高表示该指标上的表现越强，但不同列并不使用统一量表。