Ako vyberáte najlepší model pre každý prípad použitia?

Každá karta radí modely podľa jedného benchmarku, ktorý najlepšie zodpovedá danej úlohe: DeepSWE pre programátorských agentov, Terminal-Bench 4.0 pre úlohy v termináli a agentické úlohy, Humanity's Last Exam pre náročné uvažovanie a Artificial Analysis Intelligence Index pre celkovú kvalitu, open-weight modely a modely vo FlowHunt. Ak má skóre DeepSWE menej ako tri modely, karta programovania sa vráti k SWE-bench Pro a uvedie to.

Čo znamená Overené a Vlastný údaj?

Overené skóre zmeral nezávislý hodnotiteľ, napríklad Artificial Analysis, ARC Prize Foundation alebo rebríček DeepSWE, s jedným pevným nastavením pre každý model. Vlastné údaje pochádzajú od tvorcu modelu, z jeho modelovej karty alebo launch príspevku. Do rebríčka sa počítajú iba overené skóre. Vlastné údaje sa zobrazujú a označujú, ale nikdy sa nezaraďujú. Ak existujú obe, stránka modelu zobrazuje obe.

Prečo môže mať ten istý model v jednom benchmarku dve rôzne skóre?

Laboratóriá často testujú svoje modely vlastným nastavením: iným agentickým harnessom, dlhším časom na uvažovanie alebo väčším rozpočtom tokenov. Nezávislí hodnotitelia používajú pre každý model jedno pevné nastavenie, takže ich čísla sú ľahšie porovnateľné a často nižšie. Radíme podľa nezávislého čísla a číslo laboratória ponechávame na stránke modelu.

Čo je Artificial Analysis Intelligence Index?

Je to nezávislé kompozitné skóre od Artificial Analysis, ktoré spája testy agentov, programovania, znalostí a vedy do jedného čísla. Používame verziu 4 indexu. Jeho skóre nie sú porovnateľné s predchádzajúcimi verziami, takže staršie čísla, ktoré ste mohli vidieť inde, budú vyzerať vyššie.

DeepSWE je súbor 113 dlhých softvérových úloh napísaných od nuly, takže sa v tréningových dátach pravdepodobne nevyskytujú. Model musí vytvoriť alebo zmeniť skutočný kód a o tom, či to fungovalo, rozhodujú skryté testy. Dnešných programátorských agentov rozlišuje jasnejšie než SWE-bench Verified, ktorý väčšina frontier modelov už takmer vyčerpala.

Prečo sa SWE-bench Verified ponecháva už len ako história?

Frontier modely dnes vyriešia takmer všetkých jeho 500 GitHub issues, takže rozdiely medzi nimi sú v rámci šumu. V úplnej tabuľke ho stále zobrazujeme, aby ste mohli porovnávať so staršími správami, ale už nerozhoduje o žiadnom poradí.

Aký je rozdiel medzi open-weight a uzavretými modelmi?

Open-weight modely zverejňujú svoje natrénované váhy, takže ich môžete spúšťať na vlastnom hardvéri, ponechať dáta u seba a dolaďovať ich. Uzavreté modely sú dostupné len cez API alebo aplikácie ich tvorcu. Pomocou filtra Otvorené váhy zobrazíte iba open-weight modely.

Ako často je tento rebríček aktualizovaný?

Aktualizujeme ho, keď vyjdú významné modely alebo keď nezávislí hodnotitelia publikujú nové výsledky. Dátum v hornej časti stránky ukazuje poslednú aktualizáciu a každá stránka modelu uvádza dátum vydania a zdroj každého skóre, ak je zverejnený.

Rebríček AI modelov

Nájdite pre svoju prácu ten správny AI model

Žiadny model nevedie vo všetkom, preto každá karta ukazuje tri najlepšie modely pre jednu úlohu a benchmark, podľa ktorého boli vybrané.

47 modelov · 7 benchmarkov · 12 poskytovateľov · aktualizované 10. októbra 2026 · Ako hodnotíme

Aktuálne #1 celkovo

Claude Opus 5.5

Anthropic · 57,6 v teste AA Intelligence Index

Vytvorte s ním agenta

Programátorski agenti

Dokončuje dlhé softvérové úlohy hodnotené skrytými testami · Zoradené podľa DeepSWE

GPT-6 Astra
OpenAI
74,1%
Overené
Gemini 3.8 Flash
Google
73,8%
Overené
Claude Opus 5
Nahradený modelom Claude Opus 5.5
73,6%
Overené

Zobraziť celý rebríček →

Úlohy v termináli a agentské úlohy

Dokončí viackrokovú prácu v príkazovom riadku · Zoradené podľa Terminal-Bench 4.0

Claude Sonnet 5.5
Anthropic
63,6%
Overené
Claude Opus 5.5
Anthropic
59,6%
Overené
GPT-6 Astra
OpenAI
59,1%
Overené

Zobraziť celý rebríček →

Výskum a náročné uvažovanie

Odpovedá na odborné otázky bez nástrojov · Zoradené podľa Humanity's Last Exam

Claude Opus 5.5
Anthropic
61,4%
Overené
Claude Fable 5.1
Anthropic
59,1%
Overené
Claude Fable 5
Anthropic
55,5%
Overené

Zobraziť celý rebríček →

Najlepší celkovo

Nezávislá zmes testov agentov, programovania, znalostí a vedy · Zoradené podľa AA Intelligence Index

Claude Opus 5.5
Anthropic
57,6
Overené
Claude Sonnet 5.5
Anthropic
56,0
Overené
Claude Fable 5.1
Anthropic
53,4
Overené

Zobraziť celý rebríček →

Otvorené váhy

Prevádzkujte ho sami alebo ho dotrénujte · Zoradené podľa AA Intelligence Index

GLM-5.3
Zhipu (Z.AI)
44,8
Overené
Kimi K3
Moonshot AI
43,6
Overené
GLM-5.3-Flash
Zhipu (Z.AI)
41,8
Overené

Zobraziť celý rebríček →

Dostupné vo FlowHunt

Použite ho vo svojich agentoch a flow ešte dnes · Zoradené podľa AA Intelligence Index

Claude Opus 5.5
Anthropic
57,6
Overené
Claude Sonnet 5.5
Anthropic
56,0
Overené
Claude Fable 5.1
Anthropic
53,4
Overené

Zobraziť celý rebríček →

Rebríčky

Všetky modely a benchmarky

Model	Vydané	AA Index	DeepSWE	SWE-Pro	SWE-V	Terminal	HLE	GPQA	ARC-2
Claude Haiku 5.5 Anthropic	7. 10. 2026	43,4	n/a	64,8% VÚ	n/a	32,8%	44,4%	n/a	n/a
Mistral Large 4 Mistral	6. 10. 2026	38,4	61,7% VÚ	n/a	n/a	26,8%	35,0%	n/a	n/a
Gemini 4 Argon Google	30. 9. 2026	52,6	77,9% VÚ	n/a	n/a	57,1%	57,1%	n/a	n/a
GPT-6.1 Sol OpenAI	29. 9. 2026	51,8	n/a	n/a	n/a	56,1%	52,9%	n/a	94,2%
Claude Sonnet 5.5 Anthropic	28. 9. 2026	56,0	71,0% VÚ	81,3% VÚ	n/a	63,6%	55,0%	n/a	n/a
Claude Opus 5.5 Anthropic	22. 9. 2026	57,6	74,2% VÚ	89,9% VÚ	n/a	59,6%	61,4%	n/a	93,3%
GPT-6 Luna OpenAI	22. 9. 2026	38,1	n/a	n/a	n/a	12,6%	38,5%	n/a	59,3%
Grok 4.7 xAI	21. 9. 2026	46,4	71,0% VÚ	n/a	n/a	25,8%	43,1%	n/a	61,4%
DeepSeek V4.1 Flash DeepSeek	10. 9. 2026	39,5	74,2% VÚ	n/a	n/a	26,8%	39,2%	90,9% VÚ	72,9%
GPT-6 Astra OpenAI	3. 9. 2026	52,7	74,1%	n/a	n/a	59,1%	54,7%	96,1%	95,0%
Gemini 3.8 Flash Google	2. 9. 2026	40,9	73,8%	n/a	80,0%	19,7%	47,8%	95,3%	89,2%
Muse Spark 1.3 Meta	2. 9. 2026	48,1	75,4% VÚ	n/a	n/a	33,3%	48,7%	93,5%	n/a
Claude Fable 5.1 Anthropic	1. 9. 2026	53,4	67,4% VÚ	81,2% VÚ	n/a	52,0%	59,1%	93,7%	90,0%
GLM-5.3-Flash Zhipu (Z.AI)	26. 8. 2026	41,8	63,4%	n/a	92,0%	32,8%	39,9%	91,2%	65,8%
GLM-5.3 Zhipu (Z.AI)	18. 8. 2026	44,8	69,0%	n/a	95,4%	41,9%	42,3%	91,7%	n/a
DeepSeek V4-Pro DeepSeek	13. 8. 2026	36,0	62,8%	n/a	96,4%	14,1%	41,0%	92,8%	61,3%
Qwen3.8-27B Alibaba	5. 8. 2026	33,7	n/a	61,7% VÚ	86,0%	5,6%	33,9%	90,5%	42,4%
Qwen3.8 Max Alibaba	3. 8. 2026	45,4	57,5%	67,7% VÚ	85,6%	38,9%	43,1%	92,8%	n/a
Claude Opus 5 Anthropic	24. 7. 2026	50,8	73,6%	79,2% VÚ	97,0%	49,0%	54,9%	93,2%	90,4%
Gemini 3.5 Flash-Lite Google	21. 7. 2026	22,2	n/a	n/a	n/a	1,0%	18,8%	83,8%	n/a
Kimi K3 Moonshot AI	16. 7. 2026	43,6	68,5%	n/a	93,4%	12,6%	46,9%	93,5%	60,4%
GPT-5.6 Sol OpenAI	9. 7. 2026	47,0	72,7%	64,6% VÚ	96,2%	39,9%	49,5%	94,1%	92,5%
Claude Sonnet 5 Anthropic	30. 6. 2026	38,2	53,8%	63,2% VÚ	79,6%	14,1%	41,3%	91,1%	n/a
Claude Fable 5 Anthropic	9. 6. 2026	49,6	69,9%	80,3% VÚ	95,0% VÚ	42,4%	55,5%	92,6%	89,2%
Nemotron 3 Ultra NVIDIA	4. 6. 2026	22,9	n/a	n/a	69,0%	0,5%	28,4%	86,7% VÚ	n/a
MiniMax M3 MiniMax	1. 6. 2026	29,2	n/a	59,0% VÚ	75,0%	2,0%	39,0%	92,9%	n/a
Qwen 3.7-Plus Alibaba	1. 6. 2026	25,2	n/a	n/a	n/a	1,0%	35,6%	90,0%	n/a
Claude Opus 4.8 Anthropic	28. 5. 2026	41,8	59,0%	69,2% VÚ	88,6% VÚ	21,7%	48,7%	92,0%	72,1%
Qwen 3.7-Max Alibaba	20. 5. 2026	29,5	n/a	60,6% VÚ	68,8%	1,5%	40,5%	92,3%	n/a
DeepSeek V4-Flash DeepSeek	24. 4. 2026	24,2	53,0%	n/a	79,0% VÚ	2,5%	n/a	89,4%	n/a
GPT-5.5 OpenAI	23. 4. 2026	38,4	67,0%	58,6% VÚ	82,6%	14,6%	45,8%	93,5%	85,0%
Claude Opus 4.7 Anthropic	1. 4. 2026	40,7	n/a	64,3% VÚ	82,0%	n/a	42,3%	91,4%	75,8%
Nemotron 3 Super NVIDIA	11. 3. 2026	12,8	n/a	n/a	60,5% VÚ	0,0%	20,8%	80,0%	n/a
GPT-5.4 OpenAI	5. 3. 2026	39,0	51,8%	59,1%	78,2%	n/a	43,7%	92,0%	74,0%
Gemini 3.1 Pro Google	19. 2. 2026	29,7	11,7%	54,2% VÚ	78,8%	4,0%	47,0%	94,1%	77,1%
Claude Sonnet 4.6 Anthropic	17. 2. 2026	30,1	29,9%	n/a	77,4%	3,0%	33,6%	87,5%	60,4%
Claude Opus 4.6 Anthropic	5. 2. 2026	31,9	n/a	57,3% VÚ	78,2%	n/a	39,9%	89,6%	69,2%
Mistral Large 3 Mistral	2. 12. 2025	9,3	n/a	n/a	41,4%	0,0%	4,2%	68,0%	n/a
Claude Haiku 4.5 Anthropic	1. 10. 2025	n/a	n/a	n/a	66,6%	n/a	n/a	72,2%	4,0%
GPT-5 OpenAI	7. 8. 2025	23,0	n/a	n/a	69,0%	n/a	28,5%	85,4%	9,9%
Mistral Medium 3 Mistral	1. 5. 2025	9,0	n/a	n/a	n/a	n/a	4,0%	57,8%	n/a
GPT-4.1 OpenAI	14. 4. 2025	12,7	n/a	n/a	54,6% VÚ	n/a	4,2%	66,6%	0,4%
Llama 4 Maverick Meta	5. 4. 2025	10,0	n/a	n/a	n/a	0,0%	4,9%	67,1%	0,0%
Llama 4 Scout Meta	5. 4. 2025	8,1	n/a	n/a	n/a	0,0%	3,8%	58,7%	0,0%
Llama 3.3 70B Meta	6. 12. 2024	7,7	n/a	n/a	n/a	n/a	3,6%	49,8%	n/a
GPT-4o OpenAI	13. 5. 2024	8,4	n/a	n/a	33,2% VÚ	n/a	2,4%	54,3%	n/a
Mixtral 8x7B Mistral	1. 12. 2023	5,1	n/a	n/a	n/a	n/a	4,7%	29,2%	n/a

Ako hodnotíme

Do rebríčkov sa počítajú iba overené skóre, ktoré zmerali nezávislí hodnotitelia. Vlastné údaje pochádzajú od tvorcu modelu; zobrazujeme ich a označujeme, ale nikdy ich neraďujeme. Modely dostupné iba vybraným testerom sú uvedené v tabuľke, ale nikdy sa neraďujú. Ak je skóre prevzaté z cudzieho porovnania, odkazuje na tento zdroj.

Použite tieto modely vo FlowHunt

Modely označené Vo FlowHunt si môžete vybrať priamo v AI agentoch FlowHunt, flows a v desktopovej aplikácii FlowHunt. Otvorte ktorýkoľvek model a uvidíte jeho úplný rozpis benchmarkov, kontextové okno a úlohy, ktoré mu najlepšie sedia.

Najčastejšie kladené otázky

: Každá karta radí modely podľa jedného benchmarku, ktorý najlepšie zodpovedá danej úlohe: DeepSWE pre programátorských agentov, Terminal-Bench 4.0 pre úlohy v termináli a agentické úlohy, Humanity's Last Exam pre náročné uvažovanie a Artificial Analysis Intelligence Index pre celkovú kvalitu, open-weight modely a modely vo FlowHunt. Ak má skóre DeepSWE menej ako tri modely, karta programovania sa vráti k SWE-bench Pro a uvedie to.
: Overené skóre zmeral nezávislý hodnotiteľ, napríklad Artificial Analysis, ARC Prize Foundation alebo rebríček DeepSWE, s jedným pevným nastavením pre každý model. Vlastné údaje pochádzajú od tvorcu modelu, z jeho modelovej karty alebo launch príspevku. Do rebríčka sa počítajú iba overené skóre. Vlastné údaje sa zobrazujú a označujú, ale nikdy sa nezaraďujú. Ak existujú obe, stránka modelu zobrazuje obe.
: Laboratóriá často testujú svoje modely vlastným nastavením: iným agentickým harnessom, dlhším časom na uvažovanie alebo väčším rozpočtom tokenov. Nezávislí hodnotitelia používajú pre každý model jedno pevné nastavenie, takže ich čísla sú ľahšie porovnateľné a často nižšie. Radíme podľa nezávislého čísla a číslo laboratória ponechávame na stránke modelu.
: Je to nezávislé kompozitné skóre od Artificial Analysis, ktoré spája testy agentov, programovania, znalostí a vedy do jedného čísla. Používame verziu 4 indexu. Jeho skóre nie sú porovnateľné s predchádzajúcimi verziami, takže staršie čísla, ktoré ste mohli vidieť inde, budú vyzerať vyššie.
: DeepSWE je súbor 113 dlhých softvérových úloh napísaných od nuly, takže sa v tréningových dátach pravdepodobne nevyskytujú. Model musí vytvoriť alebo zmeniť skutočný kód a o tom, či to fungovalo, rozhodujú skryté testy. Dnešných programátorských agentov rozlišuje jasnejšie než SWE-bench Verified, ktorý väčšina frontier modelov už takmer vyčerpala.
: Frontier modely dnes vyriešia takmer všetkých jeho 500 GitHub issues, takže rozdiely medzi nimi sú v rámci šumu. V úplnej tabuľke ho stále zobrazujeme, aby ste mohli porovnávať so staršími správami, ale už nerozhoduje o žiadnom poradí.
: Open-weight modely zverejňujú svoje natrénované váhy, takže ich môžete spúšťať na vlastnom hardvéri, ponechať dáta u seba a dolaďovať ich. Uzavreté modely sú dostupné len cez API alebo aplikácie ich tvorcu. Pomocou filtra Otvorené váhy zobrazíte iba open-weight modely.
: Aktualizujeme ho, keď vyjdú významné modely alebo keď nezávislí hodnotitelia publikujú nové výsledky. Dátum v hornej časti stránky ukazuje poslednú aktualizáciu a každá stránka modelu uvádza dátum vydania a zdroj každého skóre, ak je zverejnený.

Zistiť viac

GPT-5.5 — Benchmarky, schopnosti a prípady použitia

GPT-5.5 je proprietárny AI model od OpenAI, klasifikovaný ako Frontier úroveň s kontextovým oknom 1 milión tokenov. Je priamo dostupný v FlowHunt. Preskúmajte v...

Apr 23, 2026 4 min čítania

Najlepší tvorcu AI agentov v roku 2026: 12 nástrojov hodnotených a recenzovaných

Hodnotené a recenzované: 12 najlepších tvorcu AI agentov v roku 2026. Tabuľka porovnania, ceny, bezplatné verzie a jasné odporúčanie, ktorá platforma sa hodí na...

May 11, 2026 12 min čítania

AI Agents Automation +3

Najlepší AI chatbot na použitie

Zistite, ktorý AI chatbot je najlepší pre vaše potreby. Porovnajte ChatGPT, Claude, Google Gemini, Perplexity a FlowHunt s detailnou analýzou funkcií, cien a pr...

Dec 1, 2025 8 min čítania