Результаты тестирования моделей

Сравнение моделей ИИ

Проверка ежедневно

Сравнивайте результаты, изучайте сильные стороны и находите модели за пределами знакомых названий.

LiveBench проверяет модели на задачах с ответами, которые можно проверить. Чем выше результат, тем лучше; шкала — от 0 до 100.

Последняя проверка: 22 окт. 2026 г.Версия набора тестов: 2026-10-1449 моделей

1Claude Fable 5.1Anthropic87,986

claude-fable-5.1

Длинные агентные задачи: 80,800 / 100
Рассуждения: 91,700 / 100
Программирование: 97,700 / 100
Работа в браузере: 100,000 / 100
Анализ данных: 80,300 / 100
Исследования: 82,000 / 100
Дизайн: 83,400 / 100

Отдельные задачи

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

Источник: LiveBench ↗

2Claude Opus 5.5Anthropic86,529

claude-opus-5.5

Длинные агентные задачи: 85,000 / 100
Рассуждения: 92,200 / 100
Программирование: 96,300 / 100
Работа в браузере: 80,000 / 100
Анализ данных: 80,300 / 100
Исследования: 85,000 / 100
Дизайн: 86,900 / 100

Отдельные задачи

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

Источник: LiveBench ↗

3GPT-6 AstraOpenAI86,143

gpt-6-astra

Длинные агентные задачи: 82,400 / 100
Рассуждения: 92,700 / 100
Программирование: 93,700 / 100
Работа в браузере: 84,000 / 100
Анализ данных: 83,000 / 100
Исследования: 85,200 / 100
Дизайн: 82,000 / 100

Отдельные задачи

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

Источник: LiveBench ↗

4GPT-6.1 SolOpenAI85,414

gpt-6.1-sol

Длинные агентные задачи: 73,000 / 100
Рассуждения: 92,600 / 100
Программирование: 96,000 / 100
Работа в браузере: 88,000 / 100
Анализ данных: 82,700 / 100
Исследования: 83,500 / 100
Дизайн: 82,100 / 100

Отдельные задачи

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

Источник: LiveBench ↗

5Gemini 4 ArgonGoogle84,100

gemini-4-argon

Длинные агентные задачи: 69,900 / 100
Рассуждения: 95,100 / 100
Программирование: 89,700 / 100
Работа в браузере: 92,000 / 100
Анализ данных: 85,200 / 100
Исследования: 83,100 / 100
Дизайн: 73,700 / 100

Отдельные задачи

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

Источник: LiveBench ↗

6Claude Fable 5Anthropic83,614

claude-fable-5

Длинные агентные задачи: 53,200 / 100
Рассуждения: 89,700 / 100
Программирование: 98,300 / 100
Работа в браузере: 92,000 / 100
Анализ данных: 80,500 / 100
Исследования: 86,900 / 100
Дизайн: 84,700 / 100

Отдельные задачи

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

Источник: LiveBench ↗

7Claude Sonnet 5.5Anthropic82,457

claude-sonnet-5.5

Длинные агентные задачи: 78,800 / 100
Рассуждения: 91,600 / 100
Программирование: 94,700 / 100
Работа в браузере: 84,000 / 100
Анализ данных: 59,500 / 100
Исследования: 83,600 / 100
Дизайн: 85,000 / 100

Отдельные задачи

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

Источник: LiveBench ↗

8Claude Opus 5Anthropic82,086

claude-opus-5

Длинные агентные задачи: 62,100 / 100
Рассуждения: 91,200 / 100
Программирование: 90,800 / 100
Работа в браузере: 84,000 / 100
Анализ данных: 74,600 / 100
Исследования: 88,900 / 100
Дизайн: 83,000 / 100

Отдельные задачи

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

Источник: LiveBench ↗

9GPT-6 SolOpenAI81,914

gpt-6-sol

Длинные агентные задачи: 66,900 / 100
Рассуждения: 88,700 / 100
Программирование: 93,100 / 100
Работа в браузере: 92,000 / 100
Анализ данных: 81,200 / 100
Исследования: 69,300 / 100
Дизайн: 82,200 / 100

Отдельные задачи

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

Источник: LiveBench ↗

10DeepSeek V4.1 Flash 1017DeepSeek79,200

deepseek-v4.1-flash-1017

Длинные агентные задачи: 50,900 / 100
Рассуждения: 89,100 / 100
Программирование: 96,000 / 100
Работа в браузере: 76,000 / 100
Анализ данных: 79,500 / 100
Исследования: 79,500 / 100
Дизайн: 83,400 / 100

Отдельные задачи

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

Источник: LiveBench ↗

11Muse Wonder 1.0Meta78,100

muse-wonder-1.0

Длинные агентные задачи: 53,200 / 100
Рассуждения: 90,600 / 100
Программирование: 86,200 / 100
Работа в браузере: 72,000 / 100
Анализ данных: 81,600 / 100
Исследования: 88,000 / 100
Дизайн: 75,100 / 100

Отдельные задачи

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

Источник: LiveBench ↗

12DeepSeek V4.1 FlashDeepSeek78,043

deepseek-v4.1-flash

Длинные агентные задачи: 40,100 / 100
Рассуждения: 86,700 / 100
Программирование: 90,200 / 100
Работа в браузере: 84,000 / 100
Анализ данных: 79,300 / 100
Исследования: 86,800 / 100
Дизайн: 79,200 / 100

Отдельные задачи

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

Источник: LiveBench ↗

13Claude Opus 4.8Anthropic76,771

claude-opus-4.8

Длинные агентные задачи: 48,300 / 100
Рассуждения: 89,200 / 100
Программирование: 77,300 / 100
Работа в браузере: 96,000 / 100
Анализ данных: 66,000 / 100
Исследования: 81,800 / 100
Дизайн: 78,800 / 100

Отдельные задачи

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

Источник: LiveBench ↗

14GPT-5.6 SolOpenAI76,257

gpt-5.6-sol

Длинные агентные задачи: 48,500 / 100
Рассуждения: 91,700 / 100
Программирование: 89,700 / 100
Работа в браузере: 88,000 / 100
Анализ данных: 79,800 / 100
Исследования: 54,500 / 100
Дизайн: 81,600 / 100

Отдельные задачи

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

Источник: LiveBench ↗

15Claude Haiku 5.5Anthropic75,643

claude-haiku-5.5

Длинные агентные задачи: 57,600 / 100
Рассуждения: 82,400 / 100
Программирование: 91,400 / 100
Работа в браузере: 80,000 / 100
Анализ данных: 53,100 / 100
Исследования: 81,900 / 100
Дизайн: 83,100 / 100

Отдельные задачи

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

Источник: LiveBench ↗

16GPT-5.6 TerraOpenAI74,986

gpt-5.6-terra

Длинные агентные задачи: 48,400 / 100
Рассуждения: 90,600 / 100
Программирование: 86,200 / 100
Работа в браузере: 84,000 / 100
Анализ данных: 79,300 / 100
Исследования: 60,400 / 100
Дизайн: 76,000 / 100

Отдельные задачи

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

Источник: LiveBench ↗

17Grok 4.6 xHighxAI74,943

grok-4.6

Длинные агентные задачи: 40,700 / 100
Рассуждения: 91,200 / 100
Программирование: 89,100 / 100
Работа в браузере: 64,000 / 100
Анализ данных: 75,300 / 100
Исследования: 84,500 / 100
Дизайн: 79,800 / 100

Отдельные задачи

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

Источник: LiveBench ↗

18MiMo V2.6 ProXiaomi74,871

mimo-v2.6-pro

Длинные агентные задачи: 47,500 / 100
Рассуждения: 79,600 / 100
Программирование: 81,500 / 100
Работа в браузере: 88,000 / 100
Анализ данных: 72,300 / 100
Исследования: 76,700 / 100
Дизайн: 78,500 / 100

Отдельные задачи

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

Источник: LiveBench ↗

19Muse Spark 1.3Meta74,757

muse-spark-1.3

Длинные агентные задачи: 40,400 / 100
Рассуждения: 89,700 / 100
Программирование: 90,200 / 100
Работа в браузере: 80,000 / 100
Анализ данных: 79,600 / 100
Исследования: 68,600 / 100
Дизайн: 74,800 / 100

Отдельные задачи

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

Источник: LiveBench ↗

20Grok 4.7xAI74,086

grok-4.7

Длинные агентные задачи: 50,100 / 100
Рассуждения: 82,700 / 100
Программирование: 84,500 / 100
Работа в браузере: 60,000 / 100
Анализ данных: 76,900 / 100
Исследования: 86,400 / 100
Дизайн: 78,000 / 100

Отдельные задачи

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

Источник: LiveBench ↗

Ранжирование выполнено по неокруглённым результатам. Близкие результаты не означают, что между моделями есть значимая разница.

Каждый точный вариант модели учитывается отдельно. Среднее по категории рассчитывается, только если доступны результаты всех заданий в ней; общее среднее — если доступны результаты всех категорий. Задания внутри категории имеют равные веса, как и категории при расчёте общего среднего. Отсутствующие результаты не считаются нулевыми. Места в выбранном столбце определяются по неокруглённым значениям; одинаковые результаты делят место. Поиск сохраняет место в полном тесте. Устаревшие результаты не учитываются при определении места. Разница в отображаемых десятичных знаках не доказывает статистически значимого различия. Здесь представлена одна серия тестов, а не все современные модели и не все виды способностей.

Как устроено сравнение

Общий результат — это среднее арифметическое результатов по всем категориям LiveBench в рамках одного выпуска теста. Для расчёта нужны результаты по каждой задаче. Рейтинги Arena приведены отдельно, поскольку измеряют предпочтения. Мы не сопоставляем модели с похожими названиями из разных источников: версии и настройки рассуждений могут различаться. Эти тесты охватывают не все модели и не все задачи из реальной практики.

Данные: LiveBench; Arena / LMArena (CC BY 4.0). Oossa рассчитывает отображаемые средние результаты по задачам и представляет их в более простом формате. Arena ↗ · Источник ↗ · CC BY 4.0 ↗