Risultati dei test sui modelli

Confronta i modelli di IA

Controllato ogni giorno

Confronta i risultati, esplora i diversi punti di forza e scopri modelli oltre ai nomi più noti.

LiveBench valuta i modelli su attività con risposte verificabili. Più alto è il punteggio, meglio è, su una scala da 0 a 100.

Ultimo controllo: 22 ott 2026Versione della suite di test: 2026-10-1449 modelli

1Claude Fable 5.1Anthropic87,986

claude-fable-5.1

Compiti agentici lunghi: 80,800 / 100
Ragionamento: 91,700 / 100
Programmazione: 97,700 / 100
Uso del browser: 100,000 / 100
Analisi dei dati: 80,300 / 100
Ricerca: 82,000 / 100
Design: 83,400 / 100

Attività singole

long_agentic: 80,800
reasoning: 91,700
coding: 97,700
browser: 100,000
data_analysis: 80,300
research: 82,000
design: 83,400

Fonte: LiveBench ↗

2Claude Opus 5.5Anthropic86,529

claude-opus-5.5

Compiti agentici lunghi: 85,000 / 100
Ragionamento: 92,200 / 100
Programmazione: 96,300 / 100
Uso del browser: 80,000 / 100
Analisi dei dati: 80,300 / 100
Ricerca: 85,000 / 100
Design: 86,900 / 100

Attività singole

long_agentic: 85,000
reasoning: 92,200
coding: 96,300
browser: 80,000
data_analysis: 80,300
research: 85,000
design: 86,900

Fonte: LiveBench ↗

3GPT-6 AstraOpenAI86,143

gpt-6-astra

Compiti agentici lunghi: 82,400 / 100
Ragionamento: 92,700 / 100
Programmazione: 93,700 / 100
Uso del browser: 84,000 / 100
Analisi dei dati: 83,000 / 100
Ricerca: 85,200 / 100
Design: 82,000 / 100

Attività singole

long_agentic: 82,400
reasoning: 92,700
coding: 93,700
browser: 84,000
data_analysis: 83,000
research: 85,200
design: 82,000

Fonte: LiveBench ↗

4GPT-6.1 SolOpenAI85,414

gpt-6.1-sol

Compiti agentici lunghi: 73,000 / 100
Ragionamento: 92,600 / 100
Programmazione: 96,000 / 100
Uso del browser: 88,000 / 100
Analisi dei dati: 82,700 / 100
Ricerca: 83,500 / 100
Design: 82,100 / 100

Attività singole

long_agentic: 73,000
reasoning: 92,600
coding: 96,000
browser: 88,000
data_analysis: 82,700
research: 83,500
design: 82,100

Fonte: LiveBench ↗

5Gemini 4 ArgonGoogle84,100

gemini-4-argon

Compiti agentici lunghi: 69,900 / 100
Ragionamento: 95,100 / 100
Programmazione: 89,700 / 100
Uso del browser: 92,000 / 100
Analisi dei dati: 85,200 / 100
Ricerca: 83,100 / 100
Design: 73,700 / 100

Attività singole

long_agentic: 69,900
reasoning: 95,100
coding: 89,700
browser: 92,000
data_analysis: 85,200
research: 83,100
design: 73,700

Fonte: LiveBench ↗

6Claude Fable 5Anthropic83,614

claude-fable-5

Compiti agentici lunghi: 53,200 / 100
Ragionamento: 89,700 / 100
Programmazione: 98,300 / 100
Uso del browser: 92,000 / 100
Analisi dei dati: 80,500 / 100
Ricerca: 86,900 / 100
Design: 84,700 / 100

Attività singole

long_agentic: 53,200
reasoning: 89,700
coding: 98,300
browser: 92,000
data_analysis: 80,500
research: 86,900
design: 84,700

Fonte: LiveBench ↗

7Claude Sonnet 5.5Anthropic82,457

claude-sonnet-5.5

Compiti agentici lunghi: 78,800 / 100
Ragionamento: 91,600 / 100
Programmazione: 94,700 / 100
Uso del browser: 84,000 / 100
Analisi dei dati: 59,500 / 100
Ricerca: 83,600 / 100
Design: 85,000 / 100

Attività singole

long_agentic: 78,800
reasoning: 91,600
coding: 94,700
browser: 84,000
data_analysis: 59,500
research: 83,600
design: 85,000

Fonte: LiveBench ↗

8Claude Opus 5Anthropic82,086

claude-opus-5

Compiti agentici lunghi: 62,100 / 100
Ragionamento: 91,200 / 100
Programmazione: 90,800 / 100
Uso del browser: 84,000 / 100
Analisi dei dati: 74,600 / 100
Ricerca: 88,900 / 100
Design: 83,000 / 100

Attività singole

long_agentic: 62,100
reasoning: 91,200
coding: 90,800
browser: 84,000
data_analysis: 74,600
research: 88,900
design: 83,000

Fonte: LiveBench ↗

9GPT-6 SolOpenAI81,914

gpt-6-sol

Compiti agentici lunghi: 66,900 / 100
Ragionamento: 88,700 / 100
Programmazione: 93,100 / 100
Uso del browser: 92,000 / 100
Analisi dei dati: 81,200 / 100
Ricerca: 69,300 / 100
Design: 82,200 / 100

Attività singole

long_agentic: 66,900
reasoning: 88,700
coding: 93,100
browser: 92,000
data_analysis: 81,200
research: 69,300
design: 82,200

Fonte: LiveBench ↗

10DeepSeek V4.1 Flash 1017DeepSeek79,200

deepseek-v4.1-flash-1017

Compiti agentici lunghi: 50,900 / 100
Ragionamento: 89,100 / 100
Programmazione: 96,000 / 100
Uso del browser: 76,000 / 100
Analisi dei dati: 79,500 / 100
Ricerca: 79,500 / 100
Design: 83,400 / 100

Attività singole

long_agentic: 50,900
reasoning: 89,100
coding: 96,000
browser: 76,000
data_analysis: 79,500
research: 79,500
design: 83,400

Fonte: LiveBench ↗

11Muse Wonder 1.0Meta78,100

muse-wonder-1.0

Compiti agentici lunghi: 53,200 / 100
Ragionamento: 90,600 / 100
Programmazione: 86,200 / 100
Uso del browser: 72,000 / 100
Analisi dei dati: 81,600 / 100
Ricerca: 88,000 / 100
Design: 75,100 / 100

Attività singole

long_agentic: 53,200
reasoning: 90,600
coding: 86,200
browser: 72,000
data_analysis: 81,600
research: 88,000
design: 75,100

Fonte: LiveBench ↗

12DeepSeek V4.1 FlashDeepSeek78,043

deepseek-v4.1-flash

Compiti agentici lunghi: 40,100 / 100
Ragionamento: 86,700 / 100
Programmazione: 90,200 / 100
Uso del browser: 84,000 / 100
Analisi dei dati: 79,300 / 100
Ricerca: 86,800 / 100
Design: 79,200 / 100

Attività singole

long_agentic: 40,100
reasoning: 86,700
coding: 90,200
browser: 84,000
data_analysis: 79,300
research: 86,800
design: 79,200

Fonte: LiveBench ↗

13Claude Opus 4.8Anthropic76,771

claude-opus-4.8

Compiti agentici lunghi: 48,300 / 100
Ragionamento: 89,200 / 100
Programmazione: 77,300 / 100
Uso del browser: 96,000 / 100
Analisi dei dati: 66,000 / 100
Ricerca: 81,800 / 100
Design: 78,800 / 100

Attività singole

long_agentic: 48,300
reasoning: 89,200
coding: 77,300
browser: 96,000
data_analysis: 66,000
research: 81,800
design: 78,800

Fonte: LiveBench ↗

14GPT-5.6 SolOpenAI76,257

gpt-5.6-sol

Compiti agentici lunghi: 48,500 / 100
Ragionamento: 91,700 / 100
Programmazione: 89,700 / 100
Uso del browser: 88,000 / 100
Analisi dei dati: 79,800 / 100
Ricerca: 54,500 / 100
Design: 81,600 / 100

Attività singole

long_agentic: 48,500
reasoning: 91,700
coding: 89,700
browser: 88,000
data_analysis: 79,800
research: 54,500
design: 81,600

Fonte: LiveBench ↗

15Claude Haiku 5.5Anthropic75,643

claude-haiku-5.5

Compiti agentici lunghi: 57,600 / 100
Ragionamento: 82,400 / 100
Programmazione: 91,400 / 100
Uso del browser: 80,000 / 100
Analisi dei dati: 53,100 / 100
Ricerca: 81,900 / 100
Design: 83,100 / 100

Attività singole

long_agentic: 57,600
reasoning: 82,400
coding: 91,400
browser: 80,000
data_analysis: 53,100
research: 81,900
design: 83,100

Fonte: LiveBench ↗

16GPT-5.6 TerraOpenAI74,986

gpt-5.6-terra

Compiti agentici lunghi: 48,400 / 100
Ragionamento: 90,600 / 100
Programmazione: 86,200 / 100
Uso del browser: 84,000 / 100
Analisi dei dati: 79,300 / 100
Ricerca: 60,400 / 100
Design: 76,000 / 100

Attività singole

long_agentic: 48,400
reasoning: 90,600
coding: 86,200
browser: 84,000
data_analysis: 79,300
research: 60,400
design: 76,000

Fonte: LiveBench ↗

17Grok 4.6 xHighxAI74,943

grok-4.6

Compiti agentici lunghi: 40,700 / 100
Ragionamento: 91,200 / 100
Programmazione: 89,100 / 100
Uso del browser: 64,000 / 100
Analisi dei dati: 75,300 / 100
Ricerca: 84,500 / 100
Design: 79,800 / 100

Attività singole

long_agentic: 40,700
reasoning: 91,200
coding: 89,100
browser: 64,000
data_analysis: 75,300
research: 84,500
design: 79,800

Fonte: LiveBench ↗

18MiMo V2.6 ProXiaomi74,871

mimo-v2.6-pro

Compiti agentici lunghi: 47,500 / 100
Ragionamento: 79,600 / 100
Programmazione: 81,500 / 100
Uso del browser: 88,000 / 100
Analisi dei dati: 72,300 / 100
Ricerca: 76,700 / 100
Design: 78,500 / 100

Attività singole

long_agentic: 47,500
reasoning: 79,600
coding: 81,500
browser: 88,000
data_analysis: 72,300
research: 76,700
design: 78,500

Fonte: LiveBench ↗

19Muse Spark 1.3Meta74,757

muse-spark-1.3

Compiti agentici lunghi: 40,400 / 100
Ragionamento: 89,700 / 100
Programmazione: 90,200 / 100
Uso del browser: 80,000 / 100
Analisi dei dati: 79,600 / 100
Ricerca: 68,600 / 100
Design: 74,800 / 100

Attività singole

long_agentic: 40,400
reasoning: 89,700
coding: 90,200
browser: 80,000
data_analysis: 79,600
research: 68,600
design: 74,800

Fonte: LiveBench ↗

20Grok 4.7xAI74,086

grok-4.7

Compiti agentici lunghi: 50,100 / 100
Ragionamento: 82,700 / 100
Programmazione: 84,500 / 100
Uso del browser: 60,000 / 100
Analisi dei dati: 76,900 / 100
Ricerca: 86,400 / 100
Design: 78,000 / 100

Attività singole

long_agentic: 50,100
reasoning: 82,700
coding: 84,500
browser: 60,000
data_analysis: 76,900
research: 86,400
design: 78,000

Fonte: LiveBench ↗

Classificati in base ai risultati non arrotondati. Punteggi simili non indicano una differenza significativa.

Ogni configurazione esatta del modello resta separata. Per calcolare la media di una categoria servono i risultati di tutte le sue prove; per la media complessiva servono quelli di tutte le categorie. Le prove hanno lo stesso peso all’interno di ogni categoria e le categorie hanno lo stesso peso nella media complessiva. I risultati mancanti non valgono zero. Le posizioni in classifica usano i valori non arrotondati della colonna scelta; le parità condividono la posizione. La ricerca mantiene la posizione nella classifica completa. I punteggi meno recenti non determinano la posizione. Le cifre decimali visualizzate non dimostrano l’esistenza di una differenza significativa. Questa vista copre una sola suite di test, non tutti i modelli attuali né ogni tipo di capacità.

Come funziona il confronto

Il punteggio totale mostrato qui è la media, con pesi uguali, di tutte le categorie di LiveBench nella stessa versione del benchmark. Per calcolare il totale occorre un risultato per ogni attività. Le valutazioni di Arena restano separate perché misurano le preferenze. Non associamo modelli con nomi simili tra fonti diverse: le versioni e le impostazioni di ragionamento possono variare. Questi test non coprono tutti i modelli né tutte le attività del mondo reale.

Dati: LiveBench; Arena / LMArena (CC BY 4.0). Oossa calcola le medie delle attività mostrate e presenta i risultati in un formato più semplice. Arena ↗ · Fonte ↗ · CC BY 4.0 ↗