AI 模型能力对比
机器学习工程
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 |
|---|---|---|
| 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)
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 ↗
PostTrainBench v1.1 · 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。
- PostTrainBench v1.1后训练基准 v1.1
- 测试智能体能否在算力预算内对基础模型进行后训练；得分汇总训练后模型在下游评测中的表现。 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。