Рейтинг Category Score V3
LMSpeed Лучшие модели для AI-агентов
Сравните лучшие модели для AI-агентов по планированию, инструментам, выполнению задач в среде и восстановлению. Формальный рейтинг следует правилам Category Score V3.
Методология 3.0Методология
Текущий вывод
Среди доступных моделей самый высокий формальный ранг у GPT-5.6 Sol. Глобальная позиция 1. Category Score равен 70.5, а 80% интервал неопределённости равен ±7.6. Формальный ранг получили 48 доступных моделей. Вывод относится только к этому запуску.
Доступные данные рейтинга
- Показано моделей
- 100
- Моделей с формальным рангом
- 48
- Столбцов бенчмарков
- 27
- Измерений со свидетельствами
- 4/4
Как читать полосы бенчмарков
Каждая полоса сравнивает модели только внутри одного столбца бенчмарка. Длина рассчитана относительно показанных моделей, не является Category Score и несопоставима между столбцами.
| Место | Модель | Оценка LMSpeed | Планирование и декомпозиция | Использование инструментов | Среда и длительное выполнение | Восстановление и надёжность завершения | Статус | Покрытие | Обновлено | |||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Gert LabsМоделей: 50 | BenchLM Agentic scoreМоделей: 10 | DeepPlanningМоделей: 1 | Tau2-TelecomМоделей: 86 | MCP AtlasМоделей: 22 | ToolathlonМоделей: 21 | AA Tau3 BankingМоделей: 12 | TAU3-BenchМоделей: 9 | MCP-TasksМоделей: 5 | GDPval-AAМоделей: 51 | Terminal-Bench 2.0Моделей: 45 | BrowseCompМоделей: 25 | OSWorld-VerifiedМоделей: 21 | AA EnterpriseOps-GymМоделей: 13 | AA ITBenchМоделей: 12 | OSWorld 2.0Моделей: 11 | VITA-BenchМоделей: 9 | DeepSearchQAМоделей: 8 | WideResearchМоделей: 7 | Claw-EvalМоделей: 28 | APEX-Agents-AAМоделей: 21 | JobBenchМоделей: 19 | ResearchClawBenchМоделей: 19 | AA Harvey LABМоделей: 14 | AA BriefcaseМоделей: 13 | CyberGymМоделей: 11 | ExploitGymМоделей: 5 | ||||||
| Модели с формальным рейтингом48 | ||||||||||||||||||||||||||||||||
| 1 | GPT-5.6 SolOpenAI | 70.5±7.6 | — | — | — | 85.1 | — | 58.0 | 33.0 | — | — | 1748.0 | 91.9 | 92.2 | — | — | 56.2 | 62.6 | — | — | — | — | — | — | — | — | 1495.0 | 84.5 | 33.7 | Rated | Измерения: 3/4 · семейств: 10 | 14 июл. 2026 г. |
| 2 | GPT-5.6 TerraOpenAI | 64.2±7.6 | — | — | — | 86.3 | — | 53.1 | 31.8 | — | — | 1593.0 | 87.4 | 87.5 | — | — | 51.0 | 50.2 | — | — | — | — | — | — | — | 2.5 | — | 81.8 | 23.2 | Rated | Измерения: 3/4 · семейств: 10 | 14 июл. 2026 г. |
| 3 | Claude Opus 4.8Anthropic | 64.1±5.3 | 73.0 | — | — | 94.4 | 82.2 | 59.9 | 27.6 | — | — | 1600.0 | 74.6 | 84.3 | 83.4 | 44.0 | — | 20.6 | — | 93.1 | — | — | — | — | 21.1 | 7.5 | 1354.0 | — | — | Rated | Измерения: 4/4 · семейств: 13 | 14 июл. 2026 г. |
| 4 | GPT-5.5OpenAI | 62.8±5.0 | 72.9 | — | — | 93.9 | 75.3 | 55.6 | 31.3 | — | — | 1494.0 | 82.0 | 84.4 | 78.7 | 46.6 | 45.8 | 13.0 | — | — | — | — | 37.7 | 42.7 | 17.0 | 4.2 | 1158.0 | 81.8 | 13.4 | Rated | Измерения: 4/4 · семейств: 17 | 14 июл. 2026 г. |
| 5 | Grok 4.5xAI | 62.7±8.5 | — | — | — | — | — | — | 32.6 | — | — | 1543.0 | 83.3 | — | — | 40.8 | — | — | — | — | — | — | — | — | — | 13.3 | 1328.0 | — | — | Rated | Измерения: 3/4 · семейств: 6 | 14 июл. 2026 г. |
| 6 | GLM-5.2Z.ai | 62.2±7.2 | — | — | — | 99.1 | 76.8 | 48.2 | 26.8 | — | — | 1514.0 | 81.0 | — | — | 42.7 | 42.7 | — | — | — | — | — | 33.7 | — | 20.7 | 7.5 | 1261.0 | — | — | Rated | Измерения: 3/4 · семейств: 11 | 14 июл. 2026 г. |
| 7 | Claude Sonnet 5Anthropic | 60.8±8.3 | — | — | — | — | — | — | 28.2 | — | — | 1608.0 | 80.4 | 84.7 | 81.2 | 44.7 | — | — | — | — | — | — | — | — | — | 5.0 | 1390.0 | — | — | Rated | Измерения: 3/4 · семейств: 8 | 14 июл. 2026 г. |
| 8 | GPT-5.6 LunaOpenAI | 60.6±7.6 | — | — | — | — | — | 53.4 | 27.2 | — | — | 1592.0 | 84.7 | 83.3 | — | — | 40.3 | 45.6 | — | — | — | — | — | — | — | 5.0 | — | 77.9 | 12.4 | Rated | Измерения: 3/4 · семейств: 10 | 14 июл. 2026 г. |
| 9 | Gemini 3.5 FlashGoogle | 59.9±5.2 | 61.9 | — | — | 95.3 | 83.6 | 56.5 | 25.4 | — | — | 1349.0 | 76.2 | — | 78.4 | 50.1 | 40.3 | — | — | — | — | — | 47.1 | — | 18.0 | 1.7 | 866.0 | — | — | Rated | Измерения: 4/4 · семейств: 13 | 14 июл. 2026 г. |
| 10 | Claude Opus 4.7 MaxAnthropic | 58.7±7.8 | — | — | — | 88.6 | 77.3 | — | — | — | — | 1500.0 | 69.4 | 79.3 | 78.0 | — | — | 18.2 | — | — | — | — | — | 45.9 | — | — | — | 73.1 | — | Rated | Измерения: 3/4 · семейств: 8 | 14 июл. 2026 г. |
| 11 | MiniMax M3MiniMax | 58.7±7.4 | — | — | — | 88.9 | 74.2 | — | — | — | — | 1396.0 | 66.0 | 83.5 | 70.1 | 32.1 | — | 4.6 | — | — | — | 74.5 | — | — | 19.8 | 6.7 | 1111.0 | — | — | Rated | Измерения: 3/4 · семейств: 11 | 14 июл. 2026 г. |
| 12 | Qwen3.7 MaxQwen | 58.3±5.5 | 64.3 | — | — | 94.7 | 76.4 | — | — | — | — | 1275.0 | 69.7 | — | — | 44.5 | 42.5 | — | 47.9 | — | — | 65.2 | — | — | 18.7 | — | 907.0 | — | — | Rated | Измерения: 4/4 · семейств: 11 | 14 июл. 2026 г. |
| 13 | Qwen3.6 27BQwen | 56.7±6.6 | 54.8 | — | — | 94.2 | — | — | — | — | — | 1139.0 | 59.3 | — | — | — | — | — | — | — | — | 72.4 | — | — | — | — | — | — | — | Rated | Измерения: 4/4 · семейств: 5 | 14 июл. 2026 г. |
| 14 | GPT-5.4OpenAI | 56.6±5.1 | 64.9 | — | — | 87.1 | 70.6 | 54.6 | — | — | — | 1395.0 | 75.1 | 82.7 | 75.0 | — | — | — | — | 73.6 | — | 60.3 | 33.3 | 38.9 | 15.3 | — | — | 79.0 | 6.0 | Rated | Измерения: 4/4 · семейств: 15 | 14 июл. 2026 г. |
| 15 | Claude Opus 4.6Anthropic | 55.9±5.7 | 61.9 | — | — | 84.8 | — | — | — | — | — | — | 65.4 | 83.7 | 72.7 | — | — | — | — | 73.7 | — | 70.4 | 33.0 | 36.7 | 19.9 | — | — | 66.6 | — | Rated | Измерения: 4/4 · семейств: 11 | 14 июл. 2026 г. |
| 16 | Claude Opus 4.7Anthropic | 55.3±6.9 | 65.6 | — | — | 74.0 | — | — | — | — | — | — | — | — | — | — | — | 13.9 | — | — | — | — | — | — | 20.7 | — | — | — | — | Rated | Измерения: 4/4 · семейств: 4 | 14 июл. 2026 г. |
| 17 | Step 3.7 FlashStepFun | 55±5.7 | 51.6 | — | — | 98.5 | — | 49.5 | — | — | — | 1017.0 | 59.5 | 75.8 | — | — | — | — | — | 92.8 | — | 67.1 | 14.8 | — | — | — | — | — | — | Rated | Измерения: 4/4 · семейств: 9 | 14 июл. 2026 г. |
| 18 | Qwen3.7 PlusQwen | 54.9±5.7 | — | — | 62.3 | 93.0 | 73.2 | — | — | — | — | 936.0 | 70.3 | — | 73.3 | — | — | 2.8 | 45.6 | — | — | 62.7 | 22.4 | — | — | — | — | — | — | Rated | Измерения: 4/4 · семейств: 9 | 14 июл. 2026 г. |
| 19 | GLM-5.1Z.ai | 54.7±5.7 | 60.1 | — | — | 97.7 | 71.8 | — | — | 70.6 | — | 1257.0 | 63.5 | 68.0 | — | — | — | — | — | — | — | 62.3 | — | — | 18.2 | — | — | 68.7 | — | Rated | Измерения: 4/4 · семейств: 9 | 14 июл. 2026 г. |
| 20 | Kimi K2.6MoonshotAI | 54±5.0 | 56.8 | — | — | 95.9 | 55.9 | 50.0 | 20.6 | — | — | 1190.0 | 66.7 | 83.2 | 73.1 | 38.5 | 31.2 | 4.6 | — | 92.5 | 80.8 | 62.3 | 28.5 | — | 18.0 | 0.0 | 809.0 | — | — | Rated | Измерения: 4/4 · семейств: 17 | 14 июл. 2026 г. |
| 21 | Claude Sonnet 4.6Anthropic | 53.9±6.2 | 62.9 | — | — | 79.5 | — | — | — | — | — | — | 59.1 | — | 72.1 | — | — | 8.3 | — | — | — | 67.8 | — | 36.9 | — | — | — | 65.2 | — | Rated | Измерения: 4/4 · семейств: 7 | 14 июл. 2026 г. |
| 22 | GPT-5.3 CodexOpenAI | 53.8±6.6 | 57.5 | — | — | 86.0 | — | — | — | — | — | — | 77.3 | — | 64.7 | — | — | — | — | — | — | — | — | 33.7 | — | — | — | — | — | Rated | Измерения: 4/4 · семейств: 5 | 14 июл. 2026 г. |
| 23 | MiMo-V2.5-ProXiaomi | 53.2±6.0 | 62.7 | — | — | 94.2 | — | — | — | 72.9 | — | 1266.0 | 68.4 | — | — | — | 38.2 | — | — | — | — | 63.8 | 2.4 | — | — | — | 872.0 | — | — | Rated | Измерения: 4/4 · семейств: 8 | 14 июл. 2026 г. |
| 24 | DeepSeek V4 ProDeepSeek | 53±5.5 | 50.3 | — | — | 94.2 | 69.4 | 46.3 | — | — | — | 1307.0 | 59.1 | 80.4 | — | — | — | — | — | — | — | 59.8 | 24.3 | — | 17.1 | — | — | — | — | Rated | Измерения: 4/4 · семейств: 10 | 14 июл. 2026 г. |
| 25 | GPT-5.4 MiniOpenAI | 52.1±8.1 | — | — | — | 83.3 | 57.7 | 42.9 | — | — | — | 1170.0 | 60.0 | — | 72.1 | — | — | — | — | — | — | — | 28.2 | — | — | — | — | — | — | Rated | Измерения: 3/4 · семейств: 7 | 14 июл. 2026 г. |
| 26 | MiMo-V2.5Xiaomi | 51±8.9 | 46.9 | — | — | — | — | — | — | — | — | — | 65.8 | — | — | — | — | — | — | — | — | 62.3 | — | — | 16.9 | — | — | — | — | Rated | Измерения: 3/4 · семейств: 4 | 14 июл. 2026 г. |
| 27 | Qwen3.6 PlusQwen | 50.9±5.5 | 50.6 | — | — | 97.7 | 48.2 | 39.8 | — | 70.7 | 74.1 | 1135.0 | 61.6 | — | — | — | — | — | 44.3 | — | 74.3 | 58.8 | — | — | 18.0 | — | — | — | — | Rated | Измерения: 4/4 · семейств: 11 | 14 июл. 2026 г. |
| 28 | Claude Opus 4.5Anthropic | 50.6±5.4 | 64.2 | — | — | 86.3 | 42.3 | 43.5 | — | 70.2 | 71.8 | — | 59.3 | — | 66.3 | — | — | — | 23.3 | — | 76.4 | 59.6 | — | 32.3 | — | — | — | 50.6 | — | Rated | Измерения: 4/4 · семейств: 12 | 14 июл. 2026 г. |
| 29 | DeepSeek V4 FlashDeepSeek | 49.3±6.0 | 54.4 | — | — | 95.6 | 64.0 | 40.7 | — | — | — | 1188.0 | 49.1 | 53.5 | — | — | — | — | — | — | — | 57.8 | — | — | — | — | — | — | — | Rated | Измерения: 4/4 · семейств: 8 | 14 июл. 2026 г. |
| 30 | GPT-5.2OpenAI | 49.1±6.6 | 46.5 | — | — | 84.8 | — | — | — | — | — | — | — | 65.8 | 47.3 | — | — | — | — | — | — | — | — | 34.3 | — | — | — | — | — | Rated | Измерения: 4/4 · семейств: 5 | 14 июл. 2026 г. |
| 31 | Gemini 3.1 ProGoogle | 49±5.8 | 56.9 | — | — | 95.6 | — | — | 16.5 | — | — | 962.0 | — | — | — | 42.2 | 30.3 | — | — | 69.7 | — | 57.8 | 32.0 | — | 13.3 | 0.0 | — | — | — | Rated | Измерения: 4/4 · семейств: 10 | 14 июл. 2026 г. |
| 32 | Grok 4.3xAI | 48.5±5.9 | 43.9 | — | — | 97.7 | — | — | — | — | — | 1085.0 | — | — | — | 26.3 | 32.7 | — | — | — | — | — | 17.0 | — | 12.4 | 0.0 | 750.0 | — | — | Rated | Измерения: 4/4 · семейств: 9 | 14 июл. 2026 г. |
| 33 | MiMo-V2-Pro | 48.3±8.9 | 36.7 | — | — | 95.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 57.8 | — | — | 15.3 | — | — | — | — | Rated | Измерения: 3/4 · семейств: 4 | 14 июл. 2026 г. |
| 34 | Claude Sonnet 4.5Anthropic | 48.1±8.8 | 48.5 | — | — | — | — | — | — | — | — | — | 50.0 | — | 61.4 | — | — | — | 17.0 | — | — | — | — | 27.7 | — | — | — | — | — | Rated | Измерения: 3/4 · семейств: 5 | 14 июл. 2026 г. |
| 35 | GLM-4.7Z.ai | 48±8.6 | 40.0 | — | — | 95.9 | — | — | — | — | — | 1163.0 | 41.0 | 52.0 | — | — | — | — | 15.5 | — | — | — | — | — | — | — | — | — | — | Rated | Измерения: 3/4 · семейств: 6 | 14 июл. 2026 г. |
| 36 | Qwen3.6 35B A3BQwen | 47.7±5.9 | 42.6 | — | — | 95.3 | 62.8 | 26.9 | — | 67.2 | — | 1047.0 | 51.5 | — | — | — | — | — | 35.6 | — | 60.1 | 68.7 | — | — | — | — | — | — | — | Rated | Измерения: 4/4 · семейств: 9 | 14 июл. 2026 г. |
| 37 | Qwen3.5-27BQwen | 47.3±8.7 | 39.4 | — | — | 93.9 | — | — | — | — | — | — | 41.6 | 61.0 | 56.2 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Rated | Измерения: 3/4 · семейств: 5 | 14 июл. 2026 г. |
| 38 | Mistral Medium 3.5Mistral | 47.1±6.3 | 39.1 | — | — | 94.2 | — | — | 14.4 | 91.4 | — | 929.0 | — | — | — | 33.7 | — | — | — | — | — | — | — | — | — | 0.8 | 503.0 | — | — | Rated | Измерения: 4/4 · семейств: 6 | 14 июл. 2026 г. |
| 39 | Qwen3.5 | 46.5±5.3 | 46.8 | — | — | 95.6 | 46.1 | 36.3 | — | 68.4 | 74.2 | 960.0 | 52.5 | 62.0 | — | — | — | — | 43.7 | — | 74.0 | 56.8 | 15.3 | — | 14.2 | — | — | — | — | Rated | Измерения: 4/4 · семейств: 13 | 14 июл. 2026 г. |
| 40 | GPT-5.4 NanoOpenAI | 46.1±8.1 | — | — | — | 76.0 | 56.1 | 35.5 | — | — | — | 1101.0 | 46.3 | — | 39.0 | — | — | — | — | — | — | — | 24.9 | — | — | — | — | — | — | Rated | Измерения: 3/4 · семейств: 7 | 14 июл. 2026 г. |
| 41 | MiniMax M2.7MiniMax | 46±6.0 | 40.4 | — | — | 84.8 | — | 46.3 | — | — | — | 1160.0 | 57.0 | — | — | — | — | — | — | — | — | 48.7 | 10.6 | — | — | — | — | — | — | Rated | Измерения: 4/4 · семейств: 7 | 14 июл. 2026 г. |
| 42 | Qwen3.5-35B-A3BQwen | 44.1±8.7 | 29.0 | — | — | 89.2 | — | — | — | — | — | — | 40.5 | 61.0 | 54.5 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Rated | Измерения: 3/4 · семейств: 5 | 14 июл. 2026 г. |
| 43 | Gemini 3 FlashGoogle | 43.4±8.9 | 56.6 | — | — | 43.3 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 49.2 | — | 11.4 | — | — | — | — | — | Rated | Измерения: 3/4 · семейств: 4 | 14 июл. 2026 г. |
| 44 | Gemini 3.1 Flash LiteGoogle | 43.2±6.9 | 38.5 | — | — | 31.3 | — | — | — | — | — | 639.0 | — | — | — | — | — | — | — | — | — | — | 12.2 | — | — | — | — | — | — | Rated | Измерения: 4/4 · семейств: 4 | 14 июл. 2026 г. |
| 45 | GLM-5Z.ai | 43.1±5.6 | 51.0 | — | — | 98.2 | 31.1 | 38.0 | — | 65.6 | 60.8 | — | 56.2 | — | — | — | — | — | — | — | 69.8 | 57.7 | 14.5 | — | — | — | — | 43.2 | — | Rated | Измерения: 4/4 · семейств: 10 | 14 июл. 2026 г. |
| 46 | Kimi K2.5MoonshotAI | 40.7±5.2 | 45.9 | — | — | 95.9 | 29.5 | 27.8 | — | 65.7 | 59.1 | — | 50.8 | 60.6 | — | — | — | — | — | 77.1 | 72.7 | 52.3 | 11.5 | 8.7 | 14.0 | — | — | — | — | Rated | Измерения: 4/4 · семейств: 13 | 14 июл. 2026 г. |
| 47 | DeepSeek V3.2DeepSeek | 39.6±6.9 | 29.6 | — | — | 78.9 | — | — | — | — | — | — | — | — | — | — | — | — | 18.5 | — | — | 40.2 | — | — | — | — | — | — | — | Rated | Измерения: 4/4 · семейств: 4 | 14 июл. 2026 г. |
| 48 | gpt-oss-120bOpenAI | 39±6.2 | 29.6 | — | — | 65.8 | — | — | — | — | — | 795.0 | — | — | — | 25.2 | 5.6 | — | — | — | — | — | 3.1 | — | — | 0.0 | — | — | — | Rated | Измерения: 4/4 · семейств: 7 | 14 июл. 2026 г. |
| Estimated-модели — без места29 | ||||||||||||||||||||||||||||||||
| — | Kimi K2.7 CodeMoonshotAI | 55.1±11.2 | — | — | — | 90.1 | 76.0 | — | — | — | — | 1187.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 3 | 14 июл. 2026 г. |
| — | Qwen3.6 Max PreviewQwen | 54.7±11.8 | — | — | — | 95.9 | — | — | — | — | — | — | 65.4 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | GLM-5 TurboZ.ai | 52.6±11.9 | — | — | — | 98.5 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 55.8 | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | GPT-5.2 CodexOpenAI | 52.1±9.3 | 51.8 | — | — | 92.1 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 26.0 | — | — | — | — | — | Estimated | Измерения: 3/4 · семейств: 3 | 14 июл. 2026 г. |
| — | Grok Build 0 1xAI | 51.8±11.8 | 49.1 | — | — | — | — | — | — | — | — | 1214.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | GPT-5.1 CodexOpenAI | 50.5±9.3 | 49.7 | — | — | 83.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 26.2 | — | — | — | — | — | Estimated | Измерения: 3/4 · семейств: 3 | 14 июл. 2026 г. |
| — | Qwen3.5-122B-A10BQwen | 50.1±10.6 | — | — | — | 93.6 | — | — | — | — | — | 980.0 | 49.4 | 63.8 | 58.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 5 | 14 июл. 2026 г. |
| — | Gemini 3 ProGoogle | 49.9±9.3 | 63.2 | — | — | 87.1 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 11.4 | — | — | — | — | — | Estimated | Измерения: 3/4 · семейств: 3 | 14 июл. 2026 г. |
| — | Hy3 previewTencent | 48.6±9.3 | 36.9 | — | — | 92.7 | — | — | — | — | — | — | 54.4 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 3/4 · семейств: 3 | 14 июл. 2026 г. |
| — | MiMo-V2-Flash | 48.5±11.8 | — | — | — | 83.9 | — | — | — | — | — | 826.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | GPT-5.1OpenAI | 48.5±9.3 | 41.2 | — | — | 81.9 | — | — | — | — | — | 988.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 3/4 · семейств: 3 | 14 июл. 2026 г. |
| — | Qwen3 MaxQwen | 47.8±11.8 | 43.7 | — | — | 74.3 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | GLM-5V TurboZ.ai | 47.5±9.3 | 30.8 | — | — | 98.5 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 53.8 | — | — | — | — | — | — | — | Estimated | Измерения: 3/4 · семейств: 3 | 14 июл. 2026 г. |
| — | Trinity Large ThinkingArcee AI | 47.1±11.8 | 32.5 | — | — | 90.1 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | Command ACohere | 46.9±11.8 | — | — | — | 80.7 | — | — | — | — | — | 712.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | GPT-5OpenAI | 46.5±9.3 | — | — | — | 86.5 | — | — | — | — | — | 1074.0 | — | — | — | — | — | — | — | — | — | — | — | 8.5 | — | — | — | — | — | Estimated | Измерения: 3/4 · семейств: 3 | 14 июл. 2026 г. |
| — | Ling 2.6 FlashinclusionAI | 46.1±11.8 | — | — | — | 86.0 | — | — | — | — | — | 542.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | Claude Sonnet 4Anthropic | 45.1±9.3 | 39.7 | — | — | 52.3 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 18.4 | — | — | — | — | — | Estimated | Измерения: 3/4 · семейств: 3 | 14 июл. 2026 г. |
| — | Gemini 2.5 ProGoogle | 44.5±9.3 | 42.0 | — | — | 54.1 | — | — | — | — | — | 661.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 3/4 · семейств: 3 | 14 июл. 2026 г. |
| — | Grok 4.20xAI | 43.7±11.2 | 38.4 | — | — | — | — | — | — | — | — | — | 47.1 | — | — | — | — | — | — | 62.8 | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 3 | 14 июл. 2026 г. |
| — | GPT-4.1 MiniOpenAI | 42±11.8 | — | — | — | 52.9 | — | — | — | — | — | 496.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | MiMo-V2-Omni | 41.9±11.9 | — | — | — | 91.2 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 45.2 | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | Mistral Large 3 | 40.6±11.8 | — | — | — | 24.6 | — | — | — | — | — | 629.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | GPT-4.1OpenAI | 39.9±11.8 | 25.6 | — | — | 47.1 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | gpt-oss-20bOpenAI | 38.5±9.3 | — | — | — | 60.2 | — | — | — | — | — | 554.0 | — | — | — | — | — | — | — | — | — | — | 0.7 | — | — | — | — | — | — | Estimated | Измерения: 3/4 · семейств: 3 | 14 июл. 2026 г. |
| — | DeepSeek V3 | 36.3±11.8 | — | — | — | 22.8 | — | — | — | — | — | 212.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | Llama 4 ScoutMeta | 34±11.8 | — | — | — | 15.5 | — | — | — | — | — | 79.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | GPT-4.1 NanoOpenAI | 33.8±11.8 | — | — | — | 17.3 | — | — | — | — | — | 32.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| — | Llama 4 MaverickMeta | 33.5±11.8 | — | — | — | 17.8 | — | — | — | — | — | -26.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Estimated | Измерения: 2/4 · семейств: 2 | 14 июл. 2026 г. |
| Provisional-модели — без места23 | ||||||||||||||||||||||||||||||||
| — | Claude Fable 5Anthropic | 69.6±12.2 | — | — | — | — | — | — | — | — | — | 1760.0 | 84.3 | 86.9 | 85.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 4 | 14 июл. 2026 г. |
| — | GPT-5.5 ProOpenAI | 61.4±16.1 | — | — | — | — | — | — | — | — | — | — | — | 90.1 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | GPT-5.4 ProOpenAI | 60.6±16.1 | — | — | — | — | — | — | — | — | — | — | — | 89.3 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | O3 ProOpenAI | 58.2±16.5 | — | 59.3 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | Hy3Tencent | 54.8±16.0 | — | — | — | 92.7 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | o4 Mini HighOpenAI | 54±16.5 | — | 44.3 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | Claude 3.5 SonnetAnthropic | 51.9±16.5 | — | 36.9 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | Gemini 1.5 ProGoogle | 50.8±16.5 | — | 32.9 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | Claude 3 OpusAnthropic | 50.7±16.5 | — | 32.5 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | GPT-5.1 Codex MaxOpenAI | 50.7±16.0 | — | — | — | 83.0 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | O3OpenAI | 50±16.0 | — | — | — | 80.7 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | GLM-4.6Z.ai | 49±16.0 | — | — | — | 76.9 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | Claude Opus 4.1Anthropic | 48.2±16.2 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 21.9 | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | GPT-4 TurboOpenAI | 47.8±16.5 | — | 22.3 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | Grok 3 | 47.3±16.5 | — | 20.4 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | GLM-4.5Z.ai | 46.5±16.5 | — | 17.6 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | O1OpenAI | 46.1±16.0 | — | — | — | 62.6 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | Qwen3.5 PlusAlibaba | 46±16.2 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 18.5 | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | Qwen3 | 46±16.5 | — | 15.7 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | O1 ProOpenAI | 45.8±16.5 | — | 15.2 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | Kimi K2MoonshotAI | 45.8±16.0 | — | — | — | 61.1 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | Claude Haiku 4.5Anthropic | 44.2±16.2 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | 16.0 | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
| — | Laguna M 1Poolside | 44.1±16.1 | — | — | — | — | — | — | — | — | — | — | 45.8 | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | — | Provisional | Измерения: 1/4 · семейств: 1 | 14 июл. 2026 г. |
Что измеряет этот рейтинг
Какая AI-модель лучше подходит для агентных задач?
Рейтинг проверяет планирование, работу с инструментами, действия в среде и восстановление после ошибок. Умения только отвечать на вопросы недостаточно.
Четыре измерения способности
Четыре измерения заданы схемой категории. Доступные данные могут покрывать только часть из них. Измерение без свидетельств не считается подтверждённой способностью.
Планирование и декомпозиция
Сейчас это измерение поддерживают 3 столбцов бенчмарков.
- Gert Labs
- BenchLM Agentic score
- DeepPlanning
Использование инструментов
Сейчас это измерение поддерживают 6 столбцов бенчмарков.
- Tau2-Telecom
- MCP Atlas
- Toolathlon
- AA Tau3 Banking
- TAU3-Bench
- MCP-Tasks
Среда и длительное выполнение
Сейчас это измерение поддерживают 10 столбцов бенчмарков.
- GDPval-AA
- Terminal-Bench 2.0
- BrowseComp
- OSWorld-Verified
- AA EnterpriseOps-Gym
- AA ITBench
- OSWorld 2.0
- VITA-Bench
- DeepSearchQA
- WideResearch
Восстановление и надёжность завершения
Сейчас это измерение поддерживают 8 столбцов бенчмарков.
- Claw-Eval
- APEX-Agents-AA
- JobBench
- ResearchClawBench
- AA Harvey LAB
- AA Briefcase
- CyberGym
- ExploitGym
Агентные задачи для сравнения
- Исследовательские помощники, которые ищут данные, собирают свидетельства и меняют план.
- Работа в браузере и на компьютере с несколькими инструментами и шагами.
- Бизнес-автоматизация, которая соблюдает правила, обрабатывает ошибки и сохраняет проверяемый результат.
Как выбрать модель по этому рейтингу
- Шаг 1
Сначала проверьте статус
Только Rated-модели получают место. Estimated и Provisional не имеют формальной позиции.
- Шаг 2
Затем изучите интервал и свидетельства
Если оценки близки, не смотрите только на место. Проверьте неопределённость, измерения и число бенчмарков.
- Шаг 3
В конце проверьте реальную задачу
Рейтинг не заменяет ваш тест. Вместе проверяйте качество, скорость, цену, контекст и ограничения провайдера.
Сначала учтите инструменты и среду. Затем сравните восстановление, скорость, цену и права доступа. Первое место подходит не каждому агенту.
Что означают статусы
Rated
Rated означает, что правила по свидетельствам и пересечениям выполнены. Модель может получить формальный ранг.
Estimated
Estimated означает, что полезные свидетельства есть, но их недостаточно для формального ранга.
Provisional
Provisional означает мало свидетельств или недостаточное покрытие аспектов и семейств бенчмарков для статуса Estimated. Это только ранний сигнал.
Бенчмарки и источники свидетельств
Названия источников и группы бенчмарков взяты из доступных данных оценки. Один источник может дать несколько бенчмарков.
BenchLM
AA Briefcase, AA EnterpriseOps-Gym, AA Harvey LAB, AA ITBench, AA Tau3 Banking, APEX-Agents-AA, BenchLM Agentic score, BrowseComp, Claw-Eval, CyberGym, DeepPlanning, DeepSearchQA, ExploitGym, GDPval-AA, Gert Labs, JobBench, MCP Atlas, MCP-Tasks, OSWorld 2.0, OSWorld-Verified, ResearchClawBench, Tau2-Telecom, TAU3-Bench, Terminal-Bench 2.0, Toolathlon, VITA-Bench и WideResearch
Как строится рейтинг агентных моделей
LMSpeed объединяет подходящие сторонние бенчмарки в четырёх фиксированных измерениях. Rated-модели получают формальный ранг, а Estimated и Provisional остаются видимыми без позиции.
Подробнее о методологии Category ScoreОграничения рейтинга
Category Score использует сторонние бенчмарки, которые сейчас включены в LMSpeed. Тесты могут отличаться данными, запросами и правилами оценки. Результат не вечный и не описывает каждую реальную задачу. Важный выбор проверяйте на своих данных.
Частые вопросы
Какая доступная модель имеет самый высокий формальный ранг?
Среди доступных моделей самый высокий формальный ранг у GPT-5.6 Sol. Глобальная позиция 1, а Category Score равен 70.5. Правила формального рейтинга выполняют 48 доступных моделей. Результат относится только к дате и версии методики на странице.
Можно ли сравнивать оценки разных категорий?
Нет. Каждая категория использует свои измерения и свидетельства. Category Score сравним только внутри одной таблицы. Для другой задачи откройте её категорию.
Полезны ли Estimated и Provisional модели?
Они помогают найти кандидатов, но свидетельств пока недостаточно для формального ранга. Сначала изучите покрытие и неопределённость, затем проверьте модель на реальной задаче.
Как часто обновляется рейтинг?
Рейтинг обновляется после публикации нового завершённого запуска. Дата и версия методики указаны выше. LMSpeed не обещает фиксированное ежедневное или еженедельное обновление.
Модель на первом месте всегда лучше для меня?
Нет. Результат также зависит от скорости, цены, длины контекста, инструментов, региона и ограничений провайдера. Сначала сократите список, затем проведите свой тест.
Чем рейтинг агентов отличается от рейтинга рассуждения?
Рейтинг рассуждения проверяет логику, причинность и свидетельства. Рейтинг агентов также проверяет планирование, инструменты, действия и восстановление. Сильное рассуждение не гарантирует завершение агентного процесса.