Note: Overall leaderboard rankings may not reflect true model quality — individual benchmarks give a clearer picture. ARC-Challenge MMLU GPQA GSM8K Artificial Analysis Intelligence Index v4.1
← Back to leaderboard

Artificial Analysis Agentic Index (Maximum Reasoning)

33 models

Top 5 Models Performance

Anthropic: Claude Fable 5 ######################################## 80.6
Anthropic: Claude Opus 4.8 ####################################### 77.8
OpenAI: GPT-5.5 ##################################### 74.1
Anthropic: Claude Opus 4.7 ################################### 71.3
Google: Gemini 3.5 Flash ################################### 70.3
– 970 – 1.1T
– 2019 – 2026
Rank Model Score
🇺🇸 1 Anthropic: Claude Fable 5 80.6
🇺🇸 2 Anthropic: Claude Opus 4.8 77.8
🇺🇸 3 OpenAI: GPT-5.5 74.1
🇺🇸 4 Anthropic: Claude Opus 4.7 71.3
🇺🇸 5 Google: Gemini 3.5 Flash 70.3
🇺🇸 6 OpenAI: GPT-5.4 68
🇨🇳 7 Xiaomi: MiMo-V2.5 Pro小米集团 67.4
🇨🇳 8 DeepSeek: DeepSeek V4 Pro深度求索 67.2
🇨🇳 9 Z.ai: GLM 5.1北京智谱华章科技有限公司 67.1
🇨🇳 10 Qwen: Qwen3.7 Max通义千问 66.6
🇨🇳 11 Moonshot AI: Kimi K2.6月之暗面 66
🇺🇸 12 SpaceXAI: Grok 4.3 65.9
🇨🇳 13 Qwen: qwen3.6-max通义千问 64.8
🇺🇸 14 Anthropic: Claude Sonnet 4.6 63
🇺🇸 15 Meta: Muse Spark 62
🇨🇳 16 MiniMax: minimax-m2.7稀宇科技 61.5
🇺🇸 17 OpenAI: gpt-5.3-codex 60.5
🇺🇸 18 OpenAI: gpt-5.2 60.2
🇺🇸 19 OpenAI: gpt-5.2-codex 56.5
🇫🇷 20 Mistral AI: mistral-medium-3.5-128b 53.2
🇺🇸 21 SpaceXAI: Grok 4.1 Fast 49.3
🇺🇸 22 SpaceXAI: Grok 4 Fast 39.5
🇺🇸 23 SpaceXAI: grok-code-fast-1 35.6
🇺🇸 24 Google: Gemma 4 26B A4B Instruct 32.1
🇺🇸 25 OpenAI: o1 31.1
❓ 26 NousResearch: hermes-4-405b 12.6
❓ 27 NousResearch: hermes-4-70b 11.7
🇦🇪 28 Technology Innovation Institute: falcon-h1r-7b 9.3
🇺🇸 29 Meta Llama: Llama 3.3 70B Instruct 9.1
🇺🇸 30 Meta Llama: Llama 4 Maverick Instruct 7.2
🇨🇳 31 Qwen: Qwen3 0.6B通义千问 7
🇺🇸 32 Google: Gemma 4 E2B Instruct 6.9
🇨🇳 33 DeepSeek: DeepSeek R1深度求索 3.8