BrowseComp
نتائج معايير الذكاء الاصطناعي وأداء النماذج
النوع: percentageAgents
النتائج المسجلة
57
متوسط النقاط
66.19%
نطاق النقاط
21.30% - 91.50%
النموذج المتصدر
91.50% - GPT-6 Astra
النقاط بمرور الوقت
نقاط المعيار الفردية معروضة حسب التاريخ.
نتائج النماذج
| المؤسسة | النماذج | تاريخ الإبلاغ | أعلى نقطة | معلومات | مُبلَّغ عنها ذاتيًا | المصدر |
|---|---|---|---|---|---|---|
| GPT-6 Astra | ٠٣ سبتمبر ٢٠٢٦ | ٩١٫٥٠٪ | GPT-6 Astra launch evaluation | نعم | المصدر | |
| Kimi K3 | ١٦ يوليو ٢٠٢٦ | ٩١٫٢٠٪ | Uses context compaction at 300K tokens, following the strategy used in Claude model cards. Moonshot separately reports 90.4 with a 1M context and no context management. | نعم | المصدر | |
| Claude Opus 5 | ٢٤ يوليو ٢٠٢٦ | ٩٠٫٨٠٪ | Web search, web fetch, programmatic tool calling, and code execution; 10M-token budget with context compaction; unreleased effort configuration | نعم | المصدر | |
| GPT 5.5 Pro | ٢٣ أبريل ٢٠٢٦ | ٩٠٫١٠٪ | - | نعم | المصدر | |
| GPT 5.4 Pro | ٠٥ مارس ٢٠٢٦ | ٨٩٫٣٠٪ | - | نعم | المصدر | |
| Claude Mythos Preview | ٠٧ أبريل ٢٠٢٦ | ٨٦٫٩٠٪ | 4.9x fewer tokens vs Opus 4.6 | نعم | المصدر | |
| Claude Opus 4.6 | ٠٥ فبراير ٢٠٢٦ | غير متاح | - | نعم | - | |
| Claude Sonnet 5 | ٣٠ يونيو ٢٠٢٦ | ٨٦٫٦٠٪ | Multi-agent run from Anthropic capability summary table | نعم | المصدر | |
| Gemini 3.1 Pro Preview | ١٩ فبراير ٢٠٢٦ | ٨٥٫٩٠٪ | - | نعم | - | |
| GPT 5.5 | ٢٣ أبريل ٢٠٢٦ | ٨٤٫٤٠٪ | - | نعم | المصدر | |
| MiniMax M3 | ٠١ يونيو ٢٠٢٦ | ٨٣٫٥٠٪ | - | نعم | المصدر | |
| GPT 5 Pro | ٠٧ أغسطس ٢٠٢٥ | ٨٢٫٧٠٪ | inferred family alias from gpt-5.4 (score=0.4083; benches=19) | نعم | المصدر | |
| GPT 5 Search API | ١٤ أكتوبر ٢٠٢٥ | ٨٢٫٧٠٪ | inferred family alias from gpt-5.4 (score=0.3050; benches=19) | نعم | المصدر | |
| GPT 5.4 | ٠٥ مارس ٢٠٢٦ | ٨٢٫٧٠٪ | - | نعم | المصدر | |
| Claude Opus 4.7 | ١٦ أبريل ٢٠٢٦ | ٧٩٫٣٠٪ | - | نعم | المصدر | |
| GLM 5.1 | ٠٧ أبريل ٢٠٢٦ | ٧٩٫٣٠٪ | w/ Context Manage | نعم | المصدر | |
| Qwen 3.5 397B A17B | ١٦ فبراير ٢٠٢٦ | ٧٨٫٦٠٪ | Discard-all context strategy | نعم | المصدر | |
| Beam | ٠٥ أكتوبر ٢٠٢٦ | ٧٧٫٤٠٪ | Reflection-reported launch score. Source row: BrowseComp w/ context management. Accessed 2026-10-05T22:51:12.456Z. Harness, reasoning effort, sampling and trial count are not specified per row. Not independently reproduced. | نعم | المصدر | |
| Seed 2.0 Pro | ١٤ فبراير ٢٠٢٦ | ٧٧٫٣٠٪ | - | نعم | المصدر | |
| MiniMax M2.5 | ١٢ فبراير ٢٠٢٦ | ٧٦٫٣٠٪ | - | نعم | المصدر | |
| GLM 5 | ١١ فبراير ٢٠٢٦ | ٧٥٫٩٠٪ | - | نعم | المصدر | |
| Kimi K2.5 | ٢٧ يناير ٢٠٢٦ | ٧٤٫٩٠٪ | - | نعم | المصدر | |
| Claude Sonnet 4.6 | ١٧ فبراير ٢٠٢٦ | ٧٤٫٧٠٪ | - | نعم | المصدر | |
| Seed 2.0 Lite | ١٤ فبراير ٢٠٢٦ | ٧٢٫١٠٪ | Seed2 official benchmark table | BrowseComp | نعم | المصدر | |
| Step 3.5 Flash | - | ٦٩٪ | - | نعم | المصدر |
