PhaseoPhaseo
ModelleChatVergleichenAnwendungenRanglisten

Hilf mit, öffentliche Daten korrekt zu halten

Fehlt etwas oder ist etwas falsch oder veraltet? Gib uns Rückmeldung zu dieser Seite.

PhaseoPhaseo
Status wird geprüftStatus wird geprüftStatusseite besuchen
Status auf Komponentenebene ist nicht verfügbar.

Entdecken

  • Modelle
  • Chat
  • Anbieter
  • Anwendungen
  • Ranglisten
  • Werkzeuge

Ressourcen

  • Vergleichen
  • Migrationsleitfäden
  • Methodik
  • Blog

Community

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

Entwickeln

  • Dokumentation
  • API-Referenz
  • Schnellstart
  • SDKs

Unternehmen

  • Über uns
  • Vertrauenszentrum
  • Mission
  • Preise
  • Kompatibel mit
  • Danksagungen
  • Hilfe
  • Datenschutz
  • Bedingungen

Entdecken

  • Modelle
  • Chat
  • Anbieter
  • Anwendungen
  • Ranglisten
  • Werkzeuge

Entwickeln

  • Dokumentation
  • API-Referenz
  • Schnellstart
  • SDKs

Ressourcen

  • Vergleichen
  • Migrationsleitfäden
  • Methodik
  • Blog

Unternehmen

  • Über uns
  • Vertrauenszentrum
  • Mission
  • Preise
  • Kompatibel mit
  • Danksagungen
  • Hilfe
  • Datenschutz
  • Bedingungen

Community

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

© 2025 • Phaseo

Sprache ändern: Deutsch (Deutschland)
  • English (UK)
  • 简体中文
  • हिन्दी
  • Español (España)
  • Français (France)
  • Deutsch (Deutschland)
  • Português (Brasil)
  • 日本語
  • العربية

Hilfe:Problem·Hilfe

Brauchst du Hilfe mit Phaseo?Problem meldenoderSupport kontaktieren

Agents' Last Exam

Agents' Last Exam

Ergebnisse von KI-Benchmarks und Modellleistung

Typ: percentageAgents
Benchmark-Quelle ansehen

Erfasste Ergebnisse

32

Durchschnittspunktzahl

50.68%

Punktzahlbereich

25.20% - 77.40%

Führendes Modell

77.40% - Gemini 4 Carbon
Punktzahlen im Zeitverlauf

Einzelne Benchmark-Punktzahlen nach Datum.

Modellergebnisse

OrganisationModelleGemeldet amHöchste PunktzahlInfoSelbst gemeldetQuelle
Google
Google
Gemini 4 Carbon28. Okt. 202677,40 %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-carbonJaQuelle
AnthropicAnthropic
Anthropic
Claude Opus 5.522. Sept. 202663,20 %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 postNeinQuelle
OpenAIOpenAI
OpenAI
GPT-6.1 Terra26. Okt. 202660 %Agents' Last Exam v1; reasoning effort max; estimated cost per task $1.01; OpenAI-reported in the GPT-6.1 Terra launch postJaQuelle
OpenAIOpenAI
OpenAI
GPT-6 Astra03. Sept. 202659,30 %GPT-6 Astra launch evaluationJaQuelle
OpenAIOpenAI
OpenAI
GPT-6.1 Sol29. Sept. 202658,60 %Agents' Last Exam v1; reasoning effort max; estimated cost per task $2; OpenAI-reported in the GPT-6.1 Terra launch postJaQuelle
OpenAIOpenAI
OpenAI
GPT-6 Luna22. Sept. 202650,90 %Agents' Last Exam v1; reasoning effort max; estimated cost per task $0.14; OpenAI-reported in the GPT-6.1 Terra launch postJaQuelle
OpenAIOpenAI
OpenAI
GPT 5.6 Terra09. Juli 202650,70 %Agents' Last Exam v1; reasoning effort max; estimated cost per task $3.58; OpenAI-reported in the GPT-6.1 Terra launch postJaQuelle
Qwen
Qwen
Qwen 3.8 27B14. Aug. 202642,90 %Pass@1: 20.4; reported aggregate score: 42.9JaQuelle
Google
Google
Gemini 4 Argon13. Okt. 202639,50 %Google-reported launch evaluation; source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/original_images/gemini-4-argon_table_blog.gifJaQuelle
DeepSeek
DeepSeek
DeepSeek V4.1 Flash 101717. Okt. 202635,40 %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.JaQuelle
DeepSeek
DeepSeek
DeepSeek V4.1 Flash10. Sept. 202631,80 %Instruct model; reasoning_effort=100; Pass@1JaQuelle
DeepSeek
DeepSeek
DeepSeek V4 Flash 073131. Juli 202625,20 %DeepSeek-V4-Flash-0731JaQuelle
Problem melden
Registrieren