AI 模型能力对比
电脑操作
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。
ALE-V1 · full · max · Codex
— 表示此来源未公布该候选的成绩，不代表零分。近一年模型中 3/11 款有成绩
| 序号 | 模型 | Agent 引擎 | 推理强度 | 任务划分 | 已运行任务数 / 总任务数 | ||
|---|---|---|---|---|---|---|---|
| 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 · 专业工作流
数据来源: Agents’ Last Exam ↗ · CC BY 4.0 · 抓取时间 2026年10月21日 UTC 06:00
ALE-V1 · full · max · Codex · 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。
- Agent 引擎
- Codex
- 推理强度
- max
- 评分
- ALE-V1 的 full 划分、最大推理强度：全部 152 项任务中完全通过的比例。已运行任务可能少于 152。专业工作流允许 GUI 和命令行工具；Claude Code 与 Codex 使用不同引擎，不属于纯 GUI 对比。上游未发布快照日期，抓取时间单独显示。 Claude Code 与 Codex 分为不同的比较组，仅在各自组内排名。 评测方法说明 ↗
- 部分得分
- ALE-V1 的 full 划分、最大推理强度：官方平均部分任务得分由 0–1 转为百分数，并非完整任务通过率。专业工作流允许 GUI 和命令行工具；Claude Code 与 Codex 使用不同引擎。表格列出已运行任务数及 152 项任务分母。上游未发布快照日期，抓取时间单独显示。 Claude Code 与 Codex 分为不同的比较组，仅在各自组内排名。
- 任务划分
- 任务划分
- 已运行任务数 / 总任务数
- 有公开运行结果的不同任务数 / full 划分的全部 152 项任务。通过率以全部任务为分母；未运行任务不计为通过。