claude-opus-4-5
79.2%
niciun interval publicat
Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză
aiqbench · Benchmark-uri LLM
79.2%
niciun interval publicat
78.8%
niciun interval publicat
77.6%
niciun interval publicat
O singură grilă, toate coloanele. Alege axe din panoul Axe — o axă clasifică precum un singur clasament, mai multe se combină într-un scor compus ponderat, toate la un loc se citesc ca indexul. Locul este atribuit înaintea oricărui filtru și nu se renumerotează niciodată.
| Model | Organizație | ± CI | Oscilație | Adaugă la comparație | |||||
|---|---|---|---|---|---|---|---|---|---|
| 1 | claude-opus-4-5 | anthropic | nov. 2025 | $5 / $25 | 79.2% | — | #20–62 | ||
| 2 | Doubao-Seed-Code | — | — | — | 78.8% | — | — | ||
| 3 | 20251127_openhands_claude-opus-4-5 | — | — | — | 77.6% | — | — | ||
| 4 | gemini-3-pro-preview | — | — | 77.4% | — | #19–120 | |||
| 5 | claude-sonnet-4-20250514 | anthropic | mai 2025 | — | 76.8% | — | #78–436 | ||
| 6 | claude-4-sonnet | anthropic | mai 2025 | $3 / $15 | 76.4% | — | — | ||
| 7 | gpt-5 | openai | aug. 2025 | $1.25 / $10 | 75.6% | — | #64–149 | ||
| 8 | claude-sonnet-4-5 | anthropic | sept. 2025 | $3 / $15 | 74.8% | — | #66–232 | ||
| 9 | claude-4-opus-20250514 | anthropic | mai 2025 | $15 / $75 | 73.2% | — | — | ||
| 10 | gemini-3-5-flash | sept. 2026 | $1.50 / $9 | 71.8% | — | #10–26 | |||
| 11 | openai/gpt-5-2025-08-07 | openai | — | — | 71.8% | — | — | ||
| 12 | kimi-k2-0905-preview | moonshotai | sept. 2025 | — | 71.2% | — | #85–314 | ||
| 13 | TRAE | — | — | — | 70.6% | — | — | ||
| 14 | Augment Agent v1 | — | — | — | 70.4% | — | — | ||
| 15 | claude-3-7-sonnet-20250219 | anthropic | feb. 2025 | — | 70.4% | — | #128–354 | ||
| 16 | OpenHands | — | — | — | 65.8% | — | — | ||
| 17 | Amazon Q Developer Agent (v20250405-dev) | — | — | — | 65.4% | — | — | ||
| 18 | Augment Agent v0 | — | — | — | 65.4% | — | — | ||
| 19 | moonshot/kimi-k2-0711-preview | moonshot | — | — | 65.4% | — | — | ||
| 20 | o1-preview | openai | sept. 2024 | — | 64.6% | — | #147–314 | ||
| 21 | o4-mini | openai | apr. 2025 | $1.10 / $4.40 | 64.6% | — | #129–274 | ||
| 22 | claude-3-5-sonnet-20241022 | anthropic | iun. 2024 | — | 63.4% | — | #126–657 | ||
| 23 | Tools + Claude 3.7 Sonnet (2025-02-24) | — | — | — | 63.2% | — | — | ||
| 24 | Blackbox AI Agent | — | — | — | 62.8% | — | — | ||
| 25 | OpenHands + 4x Scaled (2024-02-03) | — | — | — | 60.8% | — | — | ||
| 26 | Qwen3-Coder-30B-A3B-Instruct | alibaba | iul. 2025 | $0.07 / $0.28 | 60.4% | — | — | ||
| 27 | agentica-org/DeepSWE-Preview | agentica-org | — | — | 58.8% | — | — | ||
| 28 | devlo | — | — | — | 58.2% | — | — | ||
| 29 | NV-EmbedCode | — | — | — | 58.2% | — | — | ||
| 30 | Gru(2024-12-08) | — | — | — | 57.0% | — | — | ||
| 31 | SWE-Rizzo | — | — | — | 56.6% | — | — | ||
| 32 | FrogBoss-32B-2510 | — | — | — | 53.6% | — | — | ||
| 33 | kimi-k2-instruct | moonshotai | — | — | 53.4% | — | #108–588 | ||
| 34 | Bracket.sh | — | — | — | 53.2% | — | — | ||
| 35 | OpenHands + CodeAct v2.1 (claude-3-5-sonnet-20241022) | — | — | — | 53.0% | — | — |
Se afișează SWE-bench Verified (clasament live) exact așa cum a publicat-o sursa — propriul scor și interval de încredere, fără mix. Selectează o a doua axă ca să construiești un scor compus ponderat.