AutomationBench
Ergebnisse von KI-Benchmarks und Modellleistung
Typ: percentageAgents
Erfasste Ergebnisse
10
Durchschnittspunktzahl
31.42%
Punktzahlbereich
13.50% - 54.80%
Führendes Modell
54.80% - DeepSeek V4.1 Flash
Punktzahlen im Zeitverlauf
Einzelne Benchmark-Punktzahlen nach Datum.
Modellergebnisse
| Organisation | Modelle | Gemeldet am | Höchste Punktzahl | Info | Selbst gemeldet | Quelle |
|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 10. Sept. 2026 | 54,80 % | Instruct model; reasoning_effort=100; Pass@1 | Ja | Quelle | |
| Gemini 4 Carbon | 28. Okt. 2026 | 53,90 % | Google-reported launch evaluation; Zapier; 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 | Ja | Quelle | |
| Gemini 4 Argon | 13. Okt. 2026 | 51,30 % | Google-reported launch evaluation; source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/original_images/gemini-4-argon_table_blog.gif | Ja | Quelle | |
| Kimi K3 | 16. Juli 2026 | 30,80 % | 600-task public subset; otherwise follows the official GitHub setup. | Ja | Quelle | |
| Claude Opus 5 | 24. Juli 2026 | 26 % | Private held-out evaluation set; max effort | Ja | Quelle | |
| DeepSeek V4 Flash 0731 | 31. Juli 2026 | 25,10 % | Public subset; DeepSeek-V4-Flash-0731 | Ja | Quelle | |
| Claude Fable 5 | 09. Juni 2026 | 17,40 % | Higher of Mythos 5 / Fable 5 in Anthropic's launch table | Ja | Quelle | |
| Claude Mythos 5 | 09. Juni 2026 | 17,40 % | Higher of Mythos 5 / Fable 5 in Anthropic's launch table | Ja | Quelle | |
| Claude Sonnet 5 | 30. Juni 2026 | 13,50 % | Zapier leaderboard private held-out tasks; max effort | Ja | Quelle |
