출처
데이터 기준일 2026-10-15.
시험
- Humanity's Last Exam · 공개 벤치마크 · 모델 50개 측정
- GPQA Diamond · 공개 벤치마크 · 모델 33개 측정
- SciCode · 공개 벤치마크 · 모델 50개 측정
- Terminal-Bench 2.1 · 공개 벤치마크 · 모델 33개 측정
- Terminal-Bench 4.0 · 공개 벤치마크 · 모델 50개 측정
- GDPval-AA · 실제 작업 · 모델 50개 측정
- AutomationBench-AA · 실제 작업 · 모델 50개 측정
- GDP.pdf · 실제 작업 · 모델 50개 측정
- FrontierSWE · 실제 작업 · 모델 21개 측정
실사용 평판 조사
2026-10-15에 AI 에이전트가 Hacker News 댓글과 개발자 후기를 중심으로 모델별 실사용 의견을 모아 호평·혹평·엇갈림으로 분류했습니다. Reddit과 X는 수집 도구에서 접근이 막혀 거의 반영되지 못했습니다. 모델별 의견 수와 예시 링크는 리더보드의 상세 화면에 있습니다.