Genaue Modelle vergleichen
Wählen Sie ein Labor und zwei Modelle. Der Epoch Capabilities Index (ECI) fasst Benchmark-Werte auf einer gemeinsamen Punkteskala zusammen; er ist kein Genauigkeitsprozent.
Fähigkeit im Zeitverlauf
Eine gestrichelte Verbindung zeigt nur den gewählten Vergleich; sie bedeutet keine Generationenfolge.
Geplottete Daten anzeigen
Was bedeuten die Zahlen?
Eintrag oder Veröffentlichung? Ein Eintrag ist eine importierte Modellgruppe oder eine Katalogbezeichnung. Aliasse können sich überlappen. Evaluierungskonfigurationen werden gruppiert und nicht als neue Generationen gezählt.
ECI oder Genauigkeit? Der Epoch Capabilities Index fasst viele Benchmarks auf einer willkürlichen Punkteskala zusammen. Ein Zuwachs von 5 Punkten heißt nicht „5 % klüger“. Ein fehlender ECI bedeutet kein schwaches Modell.
Welches Datum? Benchmark-Veröffentlichungsdaten haben Vorrang; Katalogpublikationsdaten füllen Lücken. Der zeitliche Abstand beschreibt diese Quellen, keinen vollständigen Veröffentlichungskalender.
Was hat sich bei den Benchmarks geändert?
Rohe Benchmark-Werte auf einer gemeinsamen Skala von 0–100 %. Hohl: Baseline. Gefüllt: Vergleichsmodell. Beste beobachtete Konfiguration je Modell; Einstellungen können sich unterscheiden.
Genaue Werte als Tabelle
Änderungen sind Prozentpunkte. Fehlende Werte fehlen im importierten Benchmark-Export, sie sind nicht null. Die siegreiche Evaluierungskonfiguration steht unter jedem Wert. Einstellungen und Inferenzbudgets können sich unterscheiden; diese Werte messen nicht die Genauigkeit über eine ganze Domäne.
Modelle hinter dem Vergleich
Von der Quelle berichtete Identität, Datumsangaben, Evaluierungskonfigurationen und verfügbare Metadaten der beiden ausgewählten Modelle.
SWE-bench Verified: Lösung von Softwareaufgaben
Von der Quelle berichtete Ergebnisse zu 500 von Menschen gefilterten Softwareaufgaben mit mini-SWE-agent. Diese unabhängige Sammlung bewahrt die genauen Evaluierungsläufe; sie ist nicht mit Epoch-Modellnamen verbunden und nicht in ECI-Vergleichen enthalten.
Anfangs ist die jüngste verfügbare Agentenversion gewählt. Versionen 1.x und 2.x sind nicht unbedingt vergleichbar; auch innerhalb einer Version können Reasoning-Einstellungen und Budgets sich unterscheiden. Die Kosten sind der von der Quelle berichtete mittlere USD-Betrag je Aufgabe, nicht aktuelle API-Preise. Die Daten beziehen sich auf Evaluierungen, nicht auf Modellveröffentlichungen. Das sind berichtete Ergebnisse, keine unabhängige Prüfung durch uns.
SWE-bench-Abdeckung wird geladen…
Quelle: SWE-bench Team, offizielle Bestenlistendaten, CC BY-NC 4.0 (nur nichtkommerzielle Nachnutzung). Ausgewählte mini-SWE-agent-Läufe; Felder umbenannt und sortiert; Werte unverändert. Attribuiertes JSON herunterladen · Lizenztext · Umfang und Pflege.
Weitere Kennzahlen: 11 unabhängige Evidenzquellen
Erkunden Sie wissenschaftliches Schlussfolgern, menschliche Präferenzen, Agentenaufgaben, METR-Zeithorizonte, Programmieren, Diagrammverständnis, langen Kontext und Robustheit gegen Prompt-Injection. Jede Sammlung behält ihre eigene Werteskala und Nachnutzungsbedingungen. Diese Quellenbeobachtungen sind von ECI und dem Entdeckungskatalog getrennt.
Das sind geprüfte Stände, keine Live-Ranglisten. Mehrere enthalten historische oder vorläufige Ergebnisse. Ein gemeinsamer Evaluierungsausschnitt grenzt die Sicht ein; er garantiert keine abgeglichenen Budgets, Prompts oder Agenten. Fehlende Werte sind nicht null. Quellennamen bleiben ohne erschlossene Verknüpfung zu Epoch-Einträgen.
Unabhängige numerische Evidenz wird geladen…
Detaillierte Beobachtungen anzeigen · Zählungen werden geladen…
Alle 11 Quellen, Auswahlen und Lizenzen
Nutzen Sie jede Komponente unter der angegebenen Lizenz nach, mit Quellennennung und Änderungshinweisen. Angepasste CharXiv-Daten sind CC BY-SA 4.0; die übrigen Komponenten bleiben CC BY 4.0, MIT oder Apache-2.0. Diese Komponenten sind von der pauschalen Kataloglizenz und dem Hugging-Face-Export ausgenommen. Eine Billigung durch die Quellenautorinnen und -autoren ist nicht impliziert. Vollständiges Verzeichnis von Quelle, Lizenz und Pflege · Maschinenlesbares Komponentenverzeichnis.
Den Modellbestand erkunden
Alle Quelleneinträge sind verfügbar, einschließlich Modellen ohne ECI. API-Reasoning-Einstellungen werden unter dem Quellmodell gruppiert und nicht als neue Generationen gezählt.
Wie sieht der erfasste Veröffentlichungsrhythmus aus?
Ein Jahr, das am Importdatum endet, 20. Nov. 2026. Die Datumsangaben verbinden Benchmark-Veröffentlichungsdaten und Katalogpublikationsdaten, wo kein Veröffentlichungsdatum vorliegt.
Publikationsdaten
Modelle am selben Datum zählen als ein Ereignis. Das sind erfasste Quelldaten, keine Zählung der großen Generationen.
Die beiden Signale zusammen lesen
Ein kürzerer Abstand bedeutet häufigere Veröffentlichungen. Ein größerer ECI-Zuwachs bedeutet eine größere Änderung der zusammengesetzten Benchmark-Schätzung. Das sind verschiedene Signale; keines misst die wissenschaftliche Produktivität eines Labors.
Quelle: Epoch AI, CC BY 4.0. Benchmark-Export importiert am 20. Nov. 2026 und mit dem bestehenden Katalog bemerkenswerter Modelle kombiniert. ECI nutzt eine willkürliche Punkteskala: Unterschiede sind Punkte, keine Prozente. Fehlerbalken zeigen von der Quelle gelieferte 90-%-Kredibilitätsintervalle, wo vorhanden; wir schätzen aus diesen Intervallen kein Vertrauen in paarweise Unterschiede. Quellmodellgruppen und genaue Katalogbezeichnungen bleiben erhalten; Aliasse und überlappende Veröffentlichungsdatensätze können bleiben.