Automatisierte Seite. Automatisch von KI verfasst und übersetzt und per Software mit den Quellen abgeglichen; keine menschliche Redaktion. SI-IQ ist ein Index auf Basis öffentlicher Benchmark-Ergebnisse, kein IQ-Test. So funktioniert es
Furniture Assembly: Ergebnisse von KI-Modellen
Furniture Assembly ist ein Benchmark im Bereich Schlussfolgern, durchgeführt von Epoch AI. Für 34 Modelle in unseren Daten liegt ein veröffentlichtes Ergebnis vor.
Er wird zur Orientierung angezeigt und ist nicht Teil des SI-IQ-Index: weniger als 3 Modelle aus der Referenzgruppe.
- Evaluator
- Epoch AI
- Startseite des Benchmarks
- epoch.ai/benchmarks/furniture-assembly
Ergebnisse
| 1 | Claude Opus 5.5 Anthropic | 83,3 % | 144141–148 | 9 |
| 2 | GPT-6 Astra OpenAI | 80,0 % | 150146–153 | 9 |
| 3 | GPT-6.1 Sol OpenAI | 80,0 % | 148144–152 | 9 |
| 4 | Claude Sonnet 5.5 Anthropic | 75,0 % | 140137–143 | 9 |
| 5 | Gemini 4 Argon Google DeepMind | 72,5 % | 140137–143 | 9 |
| 6 | Claude Fable 5.1 Anthropic | 70,0 % | 140136–143 | 8 |
| 7 | Claude Opus 5 Anthropic | 60,8 % | 136133–140 | 9 |
| 8 | GPT-6 Sol OpenAI | 58,3 % | 140137–144 | 9 |
| 9 | GPT-5.6 Sol OpenAI | 56,7 % | 140137–143 | 9 |
| 10 | GPT-5.6 Terra OpenAI | 54,2 % | 134131–137 | 9 |
| 11 | Muse Wonder Meta AI | 54,2 % | 136133–139 | 4 zu wenige Daten |
| 12 | Claude Haiku 5.5 Anthropic | 47,5 % | 129126–132 | 9 |
| 13 | GPT-5.5 OpenAI | 44,2 % | 138135–141 | 10 |
| 14 | GPT-6 Luna OpenAI | 44,2 % | 130127–133 | 9 |
| 15 | Claude Opus 4.8 Anthropic | 42,5 % | 132129–135 | 9 |
| 16 | GPT-5.6 Luna OpenAI | 42,5 % | 130127–133 | 9 |
| 17 | Grok 4.6 xAI | 40,0 % | 126123–129 | 9 |
| 18 | GPT-5.2 OpenAI | 38,3 % | 125122–128 | 11 |
| 19 | GPT-5.4 OpenAI | 37,5 % | 131128–133 | 10 |
| 20 | Claude Fable 5 Anthropic | 35,8 % | 138134–141 | 9 |
| 21 | DeepSeek V4.1 Flashoffen DeepSeek | 34,2 % | 128125–131 | 9 |
| 22 | Kimi K3offen Moonshot | 34,2 % | 127124–130 | 9 |
| 23 | Claude Opus 4.7 Anthropic | 33,3 % | 127124–130 | 10 |
| 24 | Gemini 3.8 Flash Google DeepMind | 31,7 % | 130127–133 | 9 |
| 25 | Claude Opus 4.5 Anthropic | 28,3 % | 115111–118 | 11 |
| 26 | Claude Opus 4.6 Anthropic | 28,3 % | 123120–126 | 10 |
| 27 | Gemini 3.1 Pro Google DeepMind | 26,7 % | 127124–130 | 10 |
| 28 | Gemini 3.7 Flash Google DeepMind | 26,7 % | 131128–134 | 9 |
| 29 | Gemini 3.6 Flash Google DeepMind | 23,3 % | 125122–128 | 9 |
| 30 | Grok 4.5 xAI | 22,5 % | 124121–127 | 6 zu wenige Daten |
| 31 | Kimi K2.6offen Moonshot | 21,7 % | 121118–124 | 10 |
| 32 | Grok 4.7 xAI | 20,8 % | 123120–127 | 7 zu wenige Daten |
| 33 | Mistral Large 4 Mistral AI | 20,8 % | 122119–125 | 7 zu wenige Daten |
| 34 | Qwen3.8 Max (0902) Alibaba | 20,0 % | 127123–130 | 6 zu wenige Daten |
Datenquellen: Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); LiteLLM, model_prices_and_context_window.json (MIT); Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter (Lizenzen und Änderungen).