Anthropic

מדד ייעודי לסוכני קוד, המודד ביצועים בתוך מעטפת סוכן ולא קריאת מודל בודדת.

• Claude Fable 577.2דווח על ידי OpenAIמדווח, לא עצמאי

משימות טרמינל מקצה לקצה הדורשות שימוש נכון בכלים לאורך שלבים מרובים.

• Claude Fable 583.1%דווח על ידי OpenAIמדווח, לא עצמאי

משימות הנדסת תוכנה מבוססות מאגרי קוד אמיתיים.

• Claude Fable 569.7%דווח על ידי OpenAIמדווח, לא עצמאי

מדד מורכב של מעריך עצמאי, המשקלל מגוון משימות לציון יכולת אחד.

• Claude Fable 5Max62דווח על ידי Artificial Analysis

בנצ'מרק בבעלות Cursor, המודד עבודת עריכת קוד בתוך Cursor. אינו עצמאי כשמדובר במודלים ש-Cursor שותפה בפיתוחם.

• Claude Fable 5Max70.5%דווח על ידי Cursor / SpaceXAIמדווח, לא עצמאיתוצאות המתחרים הן הנתונים העצמיים או הציבוריים הטובים ביותר שצורפו להשקה; רמות המאמץ והמעטפות אינן זהות.

הגרסה המחמירה יותר של Terminal-Bench, שבה כל המודלים עדיין מתקשים.

• Claude Fable 5Max34.1%דווח על ידי Cursor / SpaceXAIמדווח, לא עצמאיתוצאות המתחרים הן הנתונים העצמיים או הציבוריים הטובים ביותר שצורפו להשקה; רמות המאמץ והמעטפות אינן זהות.