Agents' Last Exam
نتائج معايير الذكاء الاصطناعي وأداء النماذج
النوع: percentageAgents
النتائج المسجلة
32
متوسط النقاط
50.68%
نطاق النقاط
25.20% - 77.40%
النموذج المتصدر
77.40% - Gemini 4 Carbon
النقاط بمرور الوقت
نقاط المعيار الفردية معروضة حسب التاريخ.
نتائج النماذج
| المؤسسة | النماذج | تاريخ الإبلاغ | أعلى نقطة | معلومات | مُبلَّغ عنها ذاتيًا | المصدر |
|---|---|---|---|---|---|---|
| Gemini 4 Carbon | ٢٨ أكتوبر ٢٠٢٦ | ٧٧٫٤٠٪ | Google-reported launch evaluation; source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/images/gemini_4_carbon__evals-table.original.png; methodology: deepmind.google/models/evals-methodology/gemini-4-carbon | نعم | المصدر | |
| Claude Opus 5.5 | ٢٢ سبتمبر ٢٠٢٦ | ٦٣٫٢٠٪ | Agents' Last Exam v1; reasoning effort max; estimated cost per task $8.82; Reported by OpenAI (not Anthropic) in the GPT-6.1 Terra launch post | لا | المصدر | |
| GPT-6.1 Terra | ٢٦ أكتوبر ٢٠٢٦ | ٦٠٪ | Agents' Last Exam v1; reasoning effort max; estimated cost per task $1.01; OpenAI-reported in the GPT-6.1 Terra launch post | نعم | المصدر | |
| GPT-6 Astra | ٠٣ سبتمبر ٢٠٢٦ | ٥٩٫٣٠٪ | GPT-6 Astra launch evaluation | نعم | المصدر | |
| GPT-6.1 Sol | ٢٩ سبتمبر ٢٠٢٦ | ٥٨٫٦٠٪ | Agents' Last Exam v1; reasoning effort max; estimated cost per task $2; OpenAI-reported in the GPT-6.1 Terra launch post | نعم | المصدر | |
| GPT-6 Luna | ٢٢ سبتمبر ٢٠٢٦ | ٥٠٫٩٠٪ | Agents' Last Exam v1; reasoning effort max; estimated cost per task $0.14; OpenAI-reported in the GPT-6.1 Terra launch post | نعم | المصدر | |
| GPT 5.6 Terra | ٠٩ يوليو ٢٠٢٦ | ٥٠٫٧٠٪ | Agents' Last Exam v1; reasoning effort max; estimated cost per task $3.58; OpenAI-reported in the GPT-6.1 Terra launch post | نعم | المصدر | |
| Qwen 3.8 27B | ١٤ أغسطس ٢٠٢٦ | ٤٢٫٩٠٪ | Pass@1: 20.4; reported aggregate score: 42.9 | نعم | المصدر | |
| Gemini 4 Argon | ١٣ أكتوبر ٢٠٢٦ | ٣٩٫٥٠٪ | Google-reported launch evaluation; source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/original_images/gemini-4-argon_table_blog.gif | نعم | المصدر | |
| DeepSeek V4.1 Flash 1017 | ١٧ أكتوبر ٢٠٢٦ | ٣٥٫٤٠٪ | Agents' Last Exam. Developer-reported percentage score (0–100), higher is better. DeepSeek-V4.1-Flash-1017 model card, release 2026-10-17, accessed 2026-10-17. Reasoning effort and any unlisted evaluation settings are not specified by this card. | نعم | المصدر | |
| DeepSeek V4.1 Flash | ١٠ سبتمبر ٢٠٢٦ | ٣١٫٨٠٪ | Instruct model; reasoning_effort=100; Pass@1 | نعم | المصدر | |
| DeepSeek V4 Flash 0731 | ٣١ يوليو ٢٠٢٦ | ٢٥٫٢٠٪ | DeepSeek-V4-Flash-0731 | نعم | المصدر |
