Agents' Last Exam
AI 基准测试结果和模型表现
类型: percentageAgents
已记录的结果
32
平均分数
50.68%
分数范围
25.20% - 77.40%
领先模型
77.40% - Gemini 4 Carbon
分数变化趋势
按日期绘制的单项基准测试分数。
模型结果
| 组织 | 模型 | 报告时间 | 最高分数 | 信息 | 自行报告 | 来源 |
|---|---|---|---|---|---|---|
| Gemini 4 Carbon | 2026年10月28日 | 77.40% | 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-carbon | 是 | 来源 | |
| Claude Opus 5.5 | 2026年9月22日 | 63.20% | 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 post | 否 | 来源 | |
| GPT-6.1 Terra | 2026年10月26日 | 60% | Agents' Last Exam v1; reasoning effort max; estimated cost per task $1.01; OpenAI-reported in the GPT-6.1 Terra launch post | 是 | 来源 | |
| GPT-6 Astra | 2026年9月03日 | 59.30% | GPT-6 Astra launch evaluation | 是 | 来源 | |
| GPT-6.1 Sol | 2026年9月29日 | 58.60% | Agents' Last Exam v1; reasoning effort max; estimated cost per task $2; OpenAI-reported in the GPT-6.1 Terra launch post | 是 | 来源 | |
| GPT-6 Luna | 2026年9月22日 | 50.90% | Agents' Last Exam v1; reasoning effort max; estimated cost per task $0.14; OpenAI-reported in the GPT-6.1 Terra launch post | 是 | 来源 | |
| GPT 5.6 Terra | 2026年7月09日 | 50.70% | Agents' Last Exam v1; reasoning effort max; estimated cost per task $3.58; OpenAI-reported in the GPT-6.1 Terra launch post | 是 | 来源 | |
| Qwen 3.8 27B | 2026年8月14日 | 42.90% | Pass@1: 20.4; reported aggregate score: 42.9 | 是 | 来源 | |
| Gemini 4 Argon | 2026年10月13日 | 39.50% | Google-reported launch evaluation; source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/original_images/gemini-4-argon_table_blog.gif | 是 | 来源 | |
| DeepSeek V4.1 Flash 1017 | 2026年10月17日 | 35.40% | 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. | 是 | 来源 | |
| DeepSeek V4.1 Flash | 2026年9月10日 | 31.80% | Instruct model; reasoning_effort=100; Pass@1 | 是 | 来源 | |
| DeepSeek V4 Flash 0731 | 2026年7月31日 | 25.20% | DeepSeek-V4-Flash-0731 | 是 | 来源 |
