Для терминальных coding агентов в общей таблице сильнее выглядит GPT 5.5 с 82,7% на Terminal Bench 2.0; для задач ремонта кода лидирует Claude Opus 4.7 — 64,3% на SWE Bench Pro и 87,6% на SWE Bench Verified...
Kimi K2.6 видна на Hugging Face в пространстве moonshotai, а дерево файлов репозитория доступно для просмотра.
Главный сигнал — код: BenchLM ставит Kimi 2.6 на 13 е место из 110 в предварительном общем рейтинге с 83/100, а в coding/programming — на 6 е из 110 со средним 89,8; сам рейтинг помечен как provisional.[3]
Единого победителя нет: Claude Opus 4.7 лидирует в GPQA Diamond (94.2%) и HLE без инструментов (46.9%), GPT 5.5 — в Terminal Bench 2.0 (82.7%), а GPT 5.5 Pro — в HLE с инструментами (57.2%) и BrowseComp (90....
Универсального победителя нет: GPT‑5.5 сильнее выглядит в агентной работе с инструментами, Claude Opus 4.7 — в repo level coding, Kimi K2.6 — среди open weights coding моделей, а DeepSeek V4 стоит тестироват...
GPT‑5.5 проще оценивать для production API: OpenAI публикует model ID, окно 1 млн токенов, максимум 128K output, цену $5/$30 за 1 млн токенов и поддерживаемые инструменты [22].
GPT 5.5 опережает Claude Opus 4.7 в опубликованных OpenAI результатах ARC AGI: 95,0 % и 85,0 % против 93,5 % и 75,8 %, но эти оценки проводились с режимом рассуждения xhigh в исследовательской среде [6].