GPT-5.6 Sol

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

• 80דווח על ידי OpenAIמדווח, לא עצמאי

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

• 88.8%דווח על ידי OpenAIמדווח, לא עצמאי

משימות הנדסת תוכנה מבוססות מאגרי קוד אמיתיים.

• 72.7%דווח על ידי OpenAIמדווח, לא עצמאי

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

• 61דווח על ידי Artificial Analysis

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

• 67.2%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.

• 34.6%דווח על ידי Cursor / SpaceXAIמדווח, לא עצמאיתוצאות המתחרים הן הנתונים העצמיים או הציבוריים הטובים ביותר שצורפו להשקה; רמות המאמץ והמעטפות אינן זהות.

מדד הנדסת חשמל מתוך כרטיס המודל של Grok 4.6.

• 39.4דווח על ידי SpaceXAI model cardמדווח, לא עצמאי

מדד יצירת CAD מתוך כרטיס המודל של Grok 4.6.

• 37.1דווח על ידי SpaceXAI model cardמדווח, לא עצמאי