Gemini (Google) — Gemini 3.1 Pro Preview mendahului papan pendahulu LM Council "tanpa alat" pada 46.4%, mengatasi GPT-5.4 Pro pada 44.3% . Ia juga mencatatkan skor terbaik pada 13 daripada 16 penanda aras semasa pelancaran , termasuk reasoning teratas (GPQA Diamond 94.3%) dan matematik (AIME 2025 95.0%) .
DeepSeek V4 — Bersaing dengan GPT-5.4 dalam reasoning (GPQA Diamond 89% vs 92.8%) dan matematik (AIME 91% vs 94.6%), dan merupakan pilihan open-weight terkemuka .
| Tugasan | Model Terbaik | Perbandingan dengan GPT |
|---|---|---|
| Kerja pengetahuan / ejen desktop | GPT-5.4 | Mendahului — 83% GDPval, pertama melepasi manusia pada OSWorld (75%) |
| Coding (SWE-bench Pro) | GPT-5.4 xHigh | 59.10% — teratas papan pendahulu awam |
| Coding (Arena head-to-head) | GPT-5.5 | Terkuat dalam permainan coding-arena |
| Reasoning (GPQA Diamond) | Gemini 3.1 Pro | 94.3% — mengatasi GPT-5.4 pada 92.8% |
| Matematik (AIME 2025) | Gemini 3.1 Pro | 95.0% — hampir sama dengan GPT-5.4 pada 94.6% |
| Komposit keseluruhan | Claude Mythos 5 | Skor 99 berbanding model GPT teratas dalam lingkungan 80-an–90-an |
Tiada satu model pun yang secara ketat "lebih baik daripada GPT" untuk semua perkara — sempadan telah menjadi pelbagai, jadi pilihan terbaik bergantung pada kes penggunaan spesifik anda.
Gemini (Google) — Gemini 3.1 Pro Preview mendahului papan pendahulu LM Council "tanpa alat" pada 46.4%, mengatasi GPT-5.4 Pro pada 44.3% . Ia juga mencatatkan skor terbaik pada 13 daripada 16 penanda aras semasa pelancaran , termasuk reasoning teratas (GPQA Diamond 94.3%) dan matematik (AIME 2025 95.0%) .
DeepSeek V4 — Bersaing dengan GPT-5.4 dalam reasoning (GPQA Diamond 89% vs 92.8%) dan matematik (AIME 91% vs 94.6%), dan merupakan pilihan open-weight terkemuka .
| Tugasan | Model Terbaik | Perbandingan dengan GPT |
|---|---|---|
| Kerja pengetahuan / ejen desktop | GPT-5.4 | Mendahului — 83% GDPval, pertama melepasi manusia pada OSWorld (75%) |
| Coding (SWE-bench Pro) | GPT-5.4 xHigh | 59.10% — teratas papan pendahulu awam |
| Coding (Arena head-to-head) | GPT-5.5 | Terkuat dalam permainan coding-arena |
| Reasoning (GPQA Diamond) | Gemini 3.1 Pro | 94.3% — mengatasi GPT-5.4 pada 92.8% |
| Matematik (AIME 2025) | Gemini 3.1 Pro | 95.0% — hampir sama dengan GPT-5.4 pada 94.6% |
| Komposit keseluruhan | Claude Mythos 5 | Skor 99 berbanding model GPT teratas dalam lingkungan 80-an–90-an |
Tiada satu model pun yang secara ketat "lebih baik daripada GPT" untuk semua perkara — sempadan telah menjadi pelbagai, jadi pilihan terbaik bergantung pada kes penggunaan spesifik anda.