AutomationBench
Resultados de benchmarks de IA e desempenho dos modelos
Tipo: percentageAgents
Resultados registrados
10
Pontuação média
31.42%
Faixa de pontuação
13.50% - 54.80%
Modelo líder
54.80% - DeepSeek V4.1 Flash
Pontuações ao longo do tempo
Pontuações individuais do benchmark exibidas por data.
Resultados de modelos
| Organização | Modelos | Data informada | Maior pontuação | Informações | Declarado pelo provedor | Fonte |
|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 10 de set. de 2026 | 54,80% | Instruct model; reasoning_effort=100; Pass@1 | Sim | Fonte | |
| Gemini 4 Carbon | 28 de out. de 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 | Sim | Fonte | |
| Gemini 4 Argon | 13 de out. de 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 | Sim | Fonte | |
| Kimi K3 | 16 de jul. de 2026 | 30,80% | 600-task public subset; otherwise follows the official GitHub setup. | Sim | Fonte | |
| Claude Opus 5 | 24 de jul. de 2026 | 26% | Private held-out evaluation set; max effort | Sim | Fonte | |
| DeepSeek V4 Flash 0731 | 31 de jul. de 2026 | 25,10% | Public subset; DeepSeek-V4-Flash-0731 | Sim | Fonte | |
| Claude Fable 5 | 09 de jun. de 2026 | 17,40% | Higher of Mythos 5 / Fable 5 in Anthropic's launch table | Sim | Fonte | |
| Claude Mythos 5 | 09 de jun. de 2026 | 17,40% | Higher of Mythos 5 / Fable 5 in Anthropic's launch table | Sim | Fonte | |
| Claude Sonnet 5 | 30 de jun. de 2026 | 13,50% | Zapier leaderboard private held-out tasks; max effort | Sim | Fonte |
