आज के ट्रेंड पर वापस: अब कई AI सहायक मिलकर, चौबीसों घंटे सॉफ़्टवेयर लिख सकते हैं

Poly रेटिंग · आज के ट्रेंड से

2026 का सर्वश्रेष्ठ कोडिंग मॉडल: कोडिंग-एजेंट टीम के लिए शीर्ष 10

Claude Opus 5.5 ने 26 अक्टूबर वाले हफ़्ते में क्यूबिक द्वारा जाँचे गए AI कोड का 64.4% लिखा और Terminal-Bench 4.0 में 64.8% पर सबसे ऊपर है, फिर भी GPT-6.1 Sol, जिसका आउटपुट मूल्य आधा है, प्रति पंक्ति कम गिने गए बग देता है: 0.76 बनाम 1.14।

नंबर 1: GPT-5.6 Sol
10 स्थान
5 नवंबर 2026, 21:23 EST तक

01अंतिम सूची

अग्रणी AI ने अलग-अलग अपनी दस जगहों की सूची बनाई। ऊपर एक संयुक्त नतीजा है जिसे जाँचना आसान है: हर जगह के साथ कारण, उसे शामिल करने वाले AI और, जहाँ AI ने दिया, स्रोत है।

क्रम: सबसे अधिक AI सहमति से सबसे कम तक।

चमकीला बैज: इस AI ने प्रविष्टि अपनी सूची में रखी। फीका बैज: नहीं रखी।

1
GPT-5.6 Sol
Codex के भीतर यह 0.62 पर सबसे साफ़ मॉडल था, पर पूरे दिन के कार्यों पर केवल 32.2% और टर्मिनल कार्यों पर 37.3% स्कोर करता है। यह क्यूबिक की 4 नवंबर वाली रैंकिंग से बाहर हो गया है।
शामिल किया: ChatGPT, Meta, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo.
उनकी सूचियों में: ChatGPT: 7 · Meta: 1 · Grok: 9 · Gemini: 3 · Nova · DeepSeek: 9 · Wenxin: 1 · MiMo: 3
हर AI ने क्या नोट किया 8
- ChatGPTस्थान 7
  इसका ऐतिहासिक Codex बग दर 0.62 उत्कृष्ट था, लेकिन 32.2% का लंबी-अवधि स्कोर इसे सबसे कठिन सीट देने के खिलाफ़ तर्क देता है।
  स्रोत ↗
- Metaस्थान 1
  Codex के भीतर 0.62, कुल मिलाकर 0.65 — औसत से नीचे का अकेला मॉडल, 35% कम बग, लेकिन 5 अक्टूबर वाले सप्ताह में समीक्षित कोड का केवल 0.7%
  स्रोत ↗
- Grokस्थान 9
  Codex के भीतर 0.62 पर यह सबसे साफ़ मॉडल था, और पूरे दिन वाले कार्यों पर इसका स्कोर 32.2% है, जो Astra के लगभग आधा है।
  स्रोत ↗
- Geminiस्थान 3
  अब तक दर्ज सबसे साफ़ प्रोडक्शन कोडर: असाधारण रूप से कम 0.62 सापेक्ष बग दर, जो इसे सबसे भरोसेमंद रोज़मर्रा का वर्कहॉर्स बनाती है, भले ही 20 घंटे के कार्य पर स्कोर केवल 32.2% हो।
- Nova
  इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
- DeepSeekस्थान 9
  Codex के भीतर 0.62 बग दर — औसत से 38% कम गिने गए बग — पर Terminal-Bench पर 37.3% और FrontierSWE पर 32.2%: छोटे कार्यों की सबसे साफ़ सीट, लंबे कार्यों के लिए नहीं।
  स्रोत ↗
- Wenxinस्थान 1
  सबसे कम देखी गई बग दर (0.62) Codex की कीमत पर — प्रति 1 M टोकन एक कप कॉफ़ी जितनी कीमत पर साफ़ कोड।
  स्रोत ↗
- MiMoस्थान 3
  बोर्ड पर सबसे साफ़ कोड — Codex के भीतर 0.62 बग प्रति लाइन — और शीर्ष मॉडलों में सबसे कमज़ोर लंबे-कार्य स्कोर, 32.2% पर।
  स्रोत ↗
8 AI ने इसे यहाँ रखा
स्रोत ↗
2
GPT-6 Astra
20 घंटे वाले FrontierSWE v2 में 65.5% से आगे है, पर हर ट्रायल पर लगभग $1,030 लगते हैं, जबकि Opus 5.5 पर $99, और इसका आउटपुट प्रति दस लाख टोकन $50 है। इसे एस्केलेशन वाली सीट दो।
शामिल किया: ChatGPT, Meta, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo.
उनकी सूचियों में: ChatGPT: 3 · Meta: 3 · Grok: 4 · Gemini: 1 · Nova · DeepSeek: 3 · Wenxin: 2 · MiMo: 2
हर AI ने क्या नोट किया 8
- ChatGPTस्थान 3
  20 घंटे के इंजीनियरिंग कार्य में 65.5% के साथ चैंपियन, लेकिन इसकी $50 आउटपुट-टोकन कीमत इसे मेरा रोज़मर्रा का डिफ़ॉल्ट नहीं, बल्कि कठिन स्थितियों का मॉडल बनाती है।
  स्रोत ↗
- Metaस्थान 3
  FrontierSWE v2 पर 65.5% अग्रणी + Terminal-Bench पर 58.2%, फिर भी 1.13 बग दर औसत से ऊपर — 20 घंटे वाला विजेता
- Grokस्थान 4
  यह 20 घंटे वाले बोर्ड पर 65.5% से आगे है, लगभग $1,030 प्रति ट्रायल पर, और टर्मिनल कार्यों में $10 आउटपुट वाले Sol मॉडल को नहीं हरा पाता।
  स्रोत ↗
- Geminiस्थान 1
  FrontierSWE v2 पर 65.5% के साथ 20 घंटे लंबे मैराथन कार्यों में हावी, जबकि Codex के भीतर 58.2% CLI रिज़ॉल्यूशन दर बनाए रखता है।
- Nova
  इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
- DeepSeekस्थान 3
  FrontierSWE पर 65.5% और Terminal-Bench पर 58.2%: बोर्ड पर पूरे दिन वाले कार्यों का सबसे अच्छा मॉडल, पर $50 आउटपुट और 1.09 बग दर के साथ।
  स्रोत ↗
- Wenxinस्थान 2
  FrontierSWE चैंपियन 65.5 % और टर्मिनल पर 58.2 % — पर 1.13 बग/लाइन इसे प्रति साफ़ लाइन महँगा बनाता है।
- MiMoस्थान 2
  एकमात्र मॉडल जो 20-घंटे के कार्यों में पहले स्थान पर रहा — $1,029.65 प्रति ट्रायल और Codex में 1.13 गिने गए बग प्रति लाइन पर।
  स्रोत ↗
8 AI ने इसे यहाँ रखा
स्रोत ↗
3
Claude Opus 5.5
टर्मिनल में शीर्ष जोड़ी 64.8%, और 20 घंटे वाले कार्यों पर 62.3%, पर इसकी बग दर अभी 1.14 है (अक्टूबर में 1.49)। इसे कठिन-कार्य वाली सीट दो, साफ़ वाली नहीं।
शामिल किया: ChatGPT, Meta, Grok, Gemini, Nova, DeepSeek, Wenxin, MiMo.
उनकी सूचियों में: ChatGPT: 2 · Meta: 4 · Grok: 3 · Gemini: 2 · Nova · DeepSeek: 5 · Wenxin: 3 · MiMo: 1
हर AI ने क्या नोट किया 8
- ChatGPTस्थान 2
  टर्मिनल-कार्य में 64.8% के साथ अग्रणी, फिर भी इसकी 1.14 संयुक्त बग दर cubic के समीक्षित कोड में औसत से खराब है।
  स्रोत ↗
- Metaस्थान 4
  Terminal-Bench पर 64.8% नंबर 1, FrontierSWE पर 62.3% नंबर 2, पर Claude Code के भीतर 1.49 बग दर सबसे खराब — मज़बूत टर्मिनल, गंदा रोज़मर्रा का कोड
  स्रोत ↗
- Grokस्थान 3
  इसने 26 अक्टूबर वाले सप्ताह में cubic की समीक्षित AI कोड का 64.4% लिखा, और यह Claude Code में साफ़ मॉडल नहीं है: अभी 1.13, अक्टूबर के लेख में 1.49।
  स्रोत ↗
- Geminiस्थान 2
  Terminal-Bench 4.0 पर 64.8% और FrontierSWE v2 पर 62.3% के साथ कमांड-लाइन बेंचमार्क का मौजूदा अग्रणी, हालाँकि इसकी सापेक्ष दोष दर 1.49 है।
- Nova
  इसकी अपनी सूची में नाम अलग है: पूरी सूची खोलें।
- DeepSeekस्थान 5
  Terminal-Bench पर 64.8% और FrontierSWE पर 62.3%: कठिन काम के लिए सबसे मज़बूत Claude Code जोड़ी, पर इसकी 1.39 बग दर Bug Bench पर सबसे खराब है।
  स्रोत ↗
- Wenxinस्थान 3
  टर्मिनल पर 64.8 %, 20-घंटे के कार्यों पर 62.3 % — पर 1.49 बग/लाइन इसे सफ़ाई में पीछे रखता है।
  स्रोत ↗
- MiMoस्थान 1
  अपने हार्नेस में टर्मिनल बोर्ड जीतता है, 64.8% पर, और 20-घंटे के कार्यों में 62.3% पर टिकता है — लगभग $99 प्रति ट्रायल में, जबकि उस बोर्ड का विजेता $1,030 देता है।
  स्रोत ↗
8 AI ने इसे यहाँ रखा
स्रोत ↗
4
GPT-6.1 Sol
सबसे कम मौजूदा बग दर (0.76), टर्मिनल कार्यों पर 58.2%, $10 आउटपुट। सावधानी: क्यूबिक के 16 अक्टूबर वाले लेख में दो हफ़्ते के डेटा पर इसकी दर 1.22 थी, और इसकी FrontierSWE पंक्ति नहीं है।
शामिल किया: ChatGPT, Meta, Grok, Gemini, DeepSeek, Wenxin, MiMo. शामिल नहीं किया: Nova.
उनकी सूचियों में: ChatGPT: 1 · Meta: 6 · Grok: 1 · Gemini: 6 · DeepSeek: 1 · Wenxin: 6 · MiMo: 5
हर AI ने क्या नोट किया 7
- ChatGPTस्थान 1
  0.76 सापेक्ष बग दर और Astra जैसा ही 58.2% टर्मिनल परिणाम, और Astra की मानक आउटपुट-टोकन कीमत के पाँचवें हिस्से पर।
  स्रोत ↗
- Metaस्थान 6
  Terminal-Bench पर 58.2% — Astra के बराबर, $1.92 बनाम $14.30 में, Codex के भीतर 1.22 बग दर, जटिल कोडिंग के लिए OpenAI की सिफ़ारिश
  स्रोत ↗
- Grokस्थान 1
  किसी भी रैंक्ड मॉडल से कम गिने गए बग — 0.76, और Astra जैसा ही 58.2% टर्मिनल स्कोर, जबकि Codex रन में लगभग $634 खर्च होते हैं, Astra के $3.3k के मुकाबले।
  स्रोत ↗
- Geminiस्थान 6
  Codex के भीतर Astra के 58.2% CLI रिज़ॉल्यूशन के बराबर, ज़्यादा दोहराव-आधारित तर्क गहराई के साथ, 1.22 सापेक्ष बग दर।
- DeepSeekस्थान 1
  0.98 सापेक्ष बग दर और Terminal-Bench पर 58.2%, $10 आउटपुट पर — सबसे अच्छी सर्वांगीण सीट, लंबी-अवधि कार्य में Astra से थोड़ी-सी पीछे, पर पाँच गुना सस्ती।
  स्रोत ↗
- Wenxinस्थान 6
  टर्मिनल पर 58.2 % और 1.22 बग/लाइन — Astra से तेज़, थोड़ा साफ़, उसी कीमत-श्रेणी में।
- MiMoस्थान 5
  फ़्लैगशिप्स के समान टर्मिनल स्कोर (58.2%), प्रति मिलियन आउटपुट टोकन $10 पर — Astra से पाँच गुना सस्ता, पर 1.22 बग प्रति लाइन।
  स्रोत ↗
7 AI ने इसे यहाँ रखा
स्रोत ↗
5
Claude Sonnet 5.5
दोनों बोर्डों पर शीर्ष से तीन अंकों के भीतर (61.8% टर्मिनल, 61.9% पूरे दिन के कार्य), $10 आउटपुट पर, Opus 5.5 की कीमत का आधा, बग दर 1.03 के साथ।
शामिल किया: ChatGPT, Meta, Grok, Gemini, DeepSeek, Wenxin, MiMo. शामिल नहीं किया: Nova.
उनकी सूचियों में: ChatGPT: 4 · Meta: 5 · Grok: 2 · Gemini: 4 · DeepSeek: 2 · Wenxin: 4 · MiMo: 4
हर AI ने क्या नोट किया 7
- ChatGPTस्थान 4
  टर्मिनल रिज़ॉल्यूशन में 61.8% इसे Opus 5.5 से तीन अंकों के भीतर रखता है, जिससे यह एक गंभीर इम्प्लीमेंटेशन सीट बन जाता है।
  स्रोत ↗
- Metaस्थान 5
  Terminal-Bench पर 61.8%, FrontierSWE पर 61.9%, 1.24 बग दर — Claude Code के भीतर Fable के बराबर, पाँचवें हिस्से की कीमत पर
  स्रोत ↗
- Grokस्थान 2
  प्रति मिलियन आउटपुट टोकन $10 पर यह टर्मिनल के अग्रणी के करीब है — Claude Code में 61.8% — और पूरे दिन चलने वाले कार्यों के अग्रणी के करीब, साझा हार्नेस में 61.9%।
  स्रोत ↗
- Geminiस्थान 4
  Opus की आउटपुट कीमत के एक हिस्से पर Terminal-Bench 4.0 में 61.8% देता है, और एजेंटिक CLI लूप्स के लिए उद्योग-मानक रोज़ का मुख्य मॉडल है।
- DeepSeekस्थान 2
  1.06 बग दर और Terminal-Bench पर 61.8%, $10 आउटपुट पर: Claude Code के शीर्ष-स्तरीय टर्मिनल स्कोर को पाने का सबसे सस्ता तरीका।
  स्रोत ↗
- Wenxinस्थान 4
  टर्मिनल पर 61.8 %, Opus की लगभग आधी कीमत पर — वर्कहॉर्स की पसंद।
  स्रोत ↗
- MiMoस्थान 4
  कोडिंग सत्रों में Opus 5.5 से लगभग दो अंक पीछे, निचले स्तर पर — एंथ्रोपिक जोड़ी की किफ़ायती सीट।
  स्रोत ↗
7 AI ने इसे यहाँ रखा
स्रोत ↗
6
Claude Fable 5.1
Claude Code के भीतर सबसे साफ़ मॉडल 0.93 पर (अक्टूबर में 1.09), पर $50 आउटपुट पर यह Astra जितना ही महँगा है और पूरे दिन के कार्यों पर 56.3% स्कोर करता है, जबकि Astra का 65.5%।
शामिल किया: ChatGPT, Meta, Grok, Gemini, DeepSeek, Wenxin, MiMo. शामिल नहीं किया: Nova.
उनकी सूचियों में: ChatGPT: 5 · Meta: 2 · Grok: 5 · Gemini: 5 · DeepSeek: 7 · Wenxin: 5 · MiMo: 6
हर AI ने क्या नोट किया 7
- ChatGPTस्थान 5
  इसकी 0.93 संयुक्त बग दर Opus 5.5 की 1.14 से बेहतर है, हालाँकि Opus का इस्तेमाल कहीं ज़्यादा होता है।
  स्रोत ↗
- Metaस्थान 2
  Claude Code के भीतर 1.09 — वहाँ सबसे साफ़, FrontierSWE पर 56.3%, Sonnet 5.5 के बराबर, पर 5 गुना महँगा
  स्रोत ↗
- Grokस्थान 5
  Claude Code के भीतर सबसे साफ़ मॉडल, 0.93 पर, जबकि लोग असल में जो डिफ़ॉल्ट चलाते हैं वह Opus 5.5 है।
  स्रोत ↗
- Geminiस्थान 5
  Terminal-Bench 4.0 पर ठोस 57.9% पूरा करने की दर को 1.09 सापेक्ष बग दर के साथ जोड़ता है, समीक्षा में Opus 5.5 से काफ़ी साफ़।
- DeepSeekस्थान 7
  1.07 बग दर, Terminal-Bench पर 57.9% और FrontierSWE पर 56.3% — संतुलित, पर $50 आउटपुट पर यह Astra जितना ही खर्च करता है, बिना Astra की लंबी-अवधि की बढ़त के।
  स्रोत ↗
- Wenxinस्थान 5
  टर्मिनल पर 57.9 %, 1.09 बग/लाइन — मध्यम-स्तर की सफ़ाई, मध्यम-स्तर की कीमत, रोज़मर्रा की कोडिंग का सबसे अच्छा संतुलन।
  स्रोत ↗
- MiMoस्थान 6
  रोज़मर्रा का विशेषज्ञ: टर्मिनल कार्यों पर 57.9% और Claude Code के भीतर मापा गया सबसे साफ़ कोड, 1.09 पर।
  स्रोत ↗
7 AI ने इसे यहाँ रखा
स्रोत ↗
7
Claude Opus 5
कर्सर के भीतर सबसे कम बग वाला रैंक किया गया मॉडल 1.22 पर, फिर भी औसत से ऊपर। यह पूरे दिन के कार्यों पर 52.0% स्कोर करता है, Opus 5.5 से पीछे, और $25 आउटपुट पर महँगा है।
शामिल किया: ChatGPT, Meta, Grok, DeepSeek, MiMo. शामिल नहीं किया: Gemini, Nova, Wenxin.
उनकी सूचियों में: ChatGPT: 8 · Meta: 8 · Grok: 8 · DeepSeek: 10 · MiMo: 9
हर AI ने क्या नोट किया 5
- ChatGPTस्थान 8
  1.21 संयुक्त बग दर इसे नए Opus 5.5 के पीछे छोड़ती है, और पूरे परिवार में कोई स्पष्ट सांख्यिकीय सुधार स्थापित नहीं हुआ है।
  स्रोत ↗
- Metaस्थान 8
  FrontierSWE पर 52.0%, 1.33 बग दर, पुराने Terminal-Bench पर 51.8% — Opus 5.5 ने 20% कम कीमत पर इसकी जगह ले ली
  स्रोत ↗
- Grokस्थान 8
  कर्सर के भीतर यह रैंक किए गए मॉडलों में सबसे कम बग वाला है, 1.22 पर, जो फिर भी औसत से 22% ज़्यादा गिने गए बग है।
  स्रोत ↗
- DeepSeekस्थान 10
  1.30 बग दर, Terminal-Bench पर 53.9%, FrontierSWE पर 52.0% और $25 आउटपुट — बीच की सीट, जो अब न सबसे साफ़ है न सबसे मज़बूत।
  स्रोत ↗
- MiMoस्थान 9
  पिछली पीढ़ी अब भी 20-घंटे के आधे कार्य (52.0%) पूरे करती है, जहाँ नए, सस्ते मॉडल 32% पर अटक जाते हैं।
  स्रोत ↗
5 AI ने इसे यहाँ रखा
स्रोत ↗
8
Grok 4.7
सबसे सस्ता रैंक किया गया आउटपुट, प्रति दस लाख टोकन $6, के साथ सबसे ऊँची रैंक वाली बग दर आती है, 1.79, और Grok Build में टर्मिनल कार्यों पर 37.6%।
शामिल किया: ChatGPT, Grok, Gemini, Wenxin, MiMo. शामिल नहीं किया: Meta, Nova, DeepSeek.
उनकी सूचियों में: ChatGPT: 10 · Grok: 10 · Gemini: 7 · Wenxin: 7 · MiMo: 10
हर AI ने क्या नोट किया 5
- ChatGPTस्थान 10
  1.79 सापेक्ष बग दर इसे cubic के अभी रैंक किए गए आठ मॉडलों में सबसे कम भरोसेमंद डिफ़ॉल्ट इम्प्लीमेंटेशन सीट बनाती है।
  स्रोत ↗
- Grokस्थान 10
  सबसे सस्ता रैंक्ड आउटपुट टोकन, प्रति मिलियन $6 पर, सबसे ऊँची रैंक्ड बग दर 1.79 के साथ आता है।
  स्रोत ↗
- Geminiस्थान 7
  Grok Build के भीतर Terminal-Bench 4.0 पर 37.6% हासिल करता है, सिस्टम डायग्नोस्टिक्स और इन्फ़्रास्ट्रक्चर ऑटोमेशन के लिए ऊँची टोकन गति देता है।
- Wenxinस्थान 7
  टर्मिनल पर 37.6 % — फ़्रंटियर टर्मिनल मॉडल फ़्रंटियर लंबे-कार्य मॉडल नहीं है।
  स्रोत ↗
- MiMoस्थान 10
  मिश्रित टीम में सीट के लायक तीसरा स्थान: अपने हार्नेस में टर्मिनल कार्यों का 37.6% — असली, पर अग्रणियों से पूरे एक स्तर नीचे।
  स्रोत ↗
5 AI ने इसे यहाँ रखा
स्रोत ↗
9
Gemini 4 Carbon
FrontierSWE v2 पर 61.2% स्कोर करता है, उसी हार्नेस में Opus 5.5 से 1.1 अंक पीछे। इसकी क्यूबिक बग दर नहीं है और आधिकारिक Terminal-Bench पंक्ति भी नहीं।
शामिल किया: ChatGPT, Meta, Grok. शामिल नहीं किया: Gemini, Nova, DeepSeek, Wenxin, MiMo.
उनकी सूचियों में: ChatGPT: 6 · Meta: 7 · Grok: 6
हर AI ने क्या नोट किया 3
- ChatGPTस्थान 6
  FrontierSWE v2 पर 61.2% इसे उसी हार्नेस में Opus 5.5 से सिर्फ़ 1.1 अंक पीछे रखता है।
- Metaस्थान 7
  FrontierSWE v2 पर 61.2%, रैंक 4 — कोई Bug Bench दर नहीं — OpenAI और Anthropic के अलावा सबसे अच्छा लंबी-अवधि स्कोर
- Grokस्थान 6
  साझा 20 घंटे वाले बोर्ड पर 61.2% के साथ चौथा, और cubic के पास इसकी कोई गिनी हुई बग दर नहीं है।
3 AI ने इसे यहाँ रखा
स्रोत नहीं दिया गया
10
Gemini 4 Argon
पूरे दिन के कार्यों पर 55.0%, लगभग $129 प्रति ट्रायल पर, जो Astra की लागत का लगभग आठवाँ हिस्सा है। इसका $10 का परिचयात्मक आउटपुट मूल्य 30 नवंबर के बाद $20 हो जाता है। क्यूबिक बग दर नहीं है।
शामिल किया: Meta, DeepSeek, MiMo. शामिल नहीं किया: ChatGPT, Grok, Gemini, Nova, Wenxin.
उनकी सूचियों में: Meta: 9 · DeepSeek: 8 · MiMo: 8
हर AI ने क्या नोट किया 3
- Metaस्थान 9
  FrontierSWE पर 55.0%, कोई Bug Bench नहीं — Google की अक्टूबर 2026 की तुलना तालिका के अनुसार व्यापकता में अग्रणी
- DeepSeekस्थान 8
  FrontierSWE पर 55.0% और Terminal-Bench पर 57.6%, शुरुआती $10 आउटपुट पर — विश्वसनीय तीसरी सीट, हालाँकि इसकी बग घनत्व की स्वतंत्र आलोचना हुई है।
  स्रोत ↗
- MiMoस्थान 8
  पूरा FrontierSWE ट्रायल $129.36 का है — Astra के लगभग आठवें हिस्से जितना — इसलिए यह पूरे दिन वाले कार्यों के लिए बजट सीट है।
  स्रोत ↗
3 AI ने इसे यहाँ रखा
स्रोत ↗

शीर्ष तीन के बारे में और ↓

02शीर्ष तीन के बारे में और

रैंकिंग ऊपर है। यहाँ शीर्ष तीन स्थानों के बारे में और जानकारी है: वे क्या हैं, यहाँ क्यों हैं, और क्या जानना उपयोगी है।

बग दरें पूरी तरह एक जैसा पैमाना नहीं हैं: वे टूल के हिसाब से अलग हैं (Codex के भीतर 0.62, कुल मिलाकर 0.76) और तारीख के हिसाब से भी (Opus 5.5 अभी 1.14 है, अक्टूबर में 1.49 था)।

1GPT-5.6 Sol

नं. 1 — GPT-5.6 Sol. 8 में से 8 AI की सूचियों में; वहाँ मध्य स्थान: 3. यह सबसे साफ़ कोड लिखता है, गिनी गई बग सबसे कम हैं, और आउटपुट की कीमत कम है; हालाँकि पूरे दिन चलने वाले कामों में यह कमज़ोर है।

क्या आप जानते हैं

GPT-5.6 तीन आकारों में आता है: Sol, Terra और Luna। OpenAI के आँकड़े कहते हैं कि सस्ते Terra और Luna कुछ परीक्षणों में Fable 5 से आगे निकल गए, और उनकी लागत लगभग सोलहवें हिस्से जितनी थी।
स्रोत ↗

यह क्या है: OpenAI का Sol कोडिंग मॉडल, जो तीन आकारों में मिलता है।
इसकी बढ़त: तीनों में गिनी गई बग सबसे कम, और आउटपुट की कीमत कहीं कम।
किसके लिए सही: रोज़ के साफ़ कोडिंग काम के लिए ठीक; 20 घंटे चलने वाले लंबे कामों के लिए इसे न चुनें।

सापेक्ष बग दर0.76 सापेक्ष बग दर

Wikidata

इतिहास

26 जून 2026 को OpenAI ने GPT-5.6 Sol का पूर्वावलोकन केवल कुछ चुने हुए साझेदारों के छोटे समूह को दिखाया। अमेरिकी सरकार के अनुरोध पर उसने साझेदारों के नाम पहले सरकार को दिए। OpenAI ने इसे एक अल्पकालिक कदम बताया, स्थायी व्यवस्था नहीं।
स्रोत ↗

आगे कहाँ देखें

GPT-5.6 Sol मॉडल का पेज खोलें। वहाँ मॉडल ID gpt-5.6-sol, 1,050,000 टोकन की कॉन्टेक्स्ट विंडो और कीमत लिखी है। डिफ़ॉल्ट medium स्तर पर एक कठिन असली काम से शुरू करें, फिर उसे बढ़ाएँ या घटाएँ।
स्रोत ↗

शीर्ष तीन की तुलना करें ↓

2GPT-6 Astra

नं. 2 — GPT-6 Astra. 8 में से 8 AI की सूचियों में; वहाँ मध्य स्थान: 3. 20 घंटे वाले कामों में यह आगे है, लेकिन हर परीक्षण पर इसकी लागत कहीं ज़्यादा है और बग भी ज़्यादा हैं, इसलिए यह ऊपरी स्तर की सीट है।

क्या आप जानते हैं

Astra पहला OpenAI मॉडल है जिसे उसके Preparedness Framework के तहत साइबर कौशल के लिए "Critical" रेटिंग मिली है। प्रोडक्शन पर लगी सीमाओं के बिना इसने ExploitBench पर 100% स्कोर किया, जबकि GPT-5.6 Sol का स्कोर 78.5% था।
स्रोत ↗

यह क्या है: OpenAI का सबसे ऊँचा GPT-6 मॉडल, जो शुरू में कुछ ग्राहकों के छोटे समूह के लिए आया।
इसकी बढ़त: 20 घंटे वाले कामों में सबसे अच्छा, 65.5% के साथ, बाकी दोनों से आगे।
किसके लिए सही: बड़े बजट वाले कठिन, पूरे दिन के कामों के लिए ठीक; रोज़ का डिफ़ॉल्ट विकल्प नहीं।

सापेक्ष बग दर1.13 बग दर

विकिपीडिया · Wikidata

इतिहास

3 सितंबर 2026 को OpenAI ने GPT-6 Astra को आम उपलब्धता से पहले अपने Daybreak प्रोग्राम के चुने हुए ग्राहकों के समूह के लिए लॉन्च किया।
स्रोत ↗

ध्यान रखें

लॉन्च के एक हफ़्ते बाद कई उपयोगकर्ताओं ने कहा कि Astra पहले से खराब हो गया है। ओपनकोड में डैक्स राद की टीम GPT-5.6 Sol पर लौट गई, यह कहते हुए कि दोगुना खर्च उसकी कमियों को सही नहीं ठहराता। डिक्रिप्ट के मुताबिक OpenAI ने अभी तक कोई बयान जारी नहीं किया था।
स्रोत ↗
इसकी कीमत $10 प्रति दस लाख इनपुट टोकन और $50 प्रति दस लाख आउटपुट टोकन है, जो Sol की लॉन्च कीमत से 2.5 गुना है। इसके सबसे मज़बूत साइबर फ़ीचर Daybreak प्रोग्राम के जाँचे-परखे रक्षकों तक ही सीमित हैं।
स्रोत ↗

लोग क्या कहते हैं

Astra feels significantly dumber for me today — synthwavedd (developer, on X)
स्रोत ↗

आगे कहाँ देखें

OpenAI का GPT-6 Astra पेज खोलें और देखें कि यह किन चीज़ों में अच्छा है: कंप्यूटर का उपयोग, ब्राउज़िंग, कोडिंग और विज्ञान। पहुँच शुरू में सीमित थी, इसलिए शुरू करने से पहले पेज पर देख लें कि आपका प्लान किन चीज़ों का उपयोग कर सकता है।
स्रोत ↗

Gemini ने इसे पहला स्थान दिया। उन्होंने इसमें क्या देखा

Gemini: FrontierSWE v2 पर 65.5% के साथ 20 घंटे लंबे मैराथन कार्यों में हावी, जबकि Codex के भीतर 58.2% CLI रिज़ॉल्यूशन दर बनाए रखता है।

वीडियो: Coding is Dead? Learn These SKILLS to Survive AGI | GPT-6 Astra Explained (अंग्रेज़ी में) · Nishant Chahar

शीर्ष तीन की तुलना करें ↓

3Claude Opus 5.5

नं. 3 — Claude Opus 5.5. 8 में से 8 AI की सूचियों में; वहाँ मध्य स्थान: 3. टर्मिनल के कामों में यह आगे है, और हर परीक्षण की कम कीमत पर 20 घंटे वाले कामों में भी अच्छा करता है, पर इसमें बग ज़्यादा हैं।

क्या आप जानते हैं

medium स्तर max स्तर को पीछे छोड़ सकता है। कुछ कोडिंग बेंचमार्क पर medium स्तर एक डॉलर से कम में काम पूरे कर देता है और उन max-स्तर के रनों से ऊँचा स्कोर करता है जिनकी लागत हर काम पर कई डॉलर थी।
स्रोत ↗

यह क्या है: एंथ्रोपिक का Claude मॉडल, जो कोडिंग एजेंटों के लिए बना है।
इसकी बढ़त: टर्मिनल के कामों में सबसे अच्छा, 64.8% के साथ, और हर परीक्षण पर Astra से कहीं सस्ता।
किसके लिए सही: कठिन टर्मिनल कामों के लिए ठीक; अगर साफ़ कोड सबसे ज़रूरी है तो यह पसंद नहीं।

सापेक्ष बग दर1.14 संयुक्त बग दर

इतिहास

22 सितंबर 2026 को एंथ्रोपिक ने Claude Opus 5.5 जारी किया, जो उसके 5.5 परिवार का पहला मॉडल है। इसकी सामान्य इनपुट और आउटपुट कीमतें Opus 5 की तुलना में 20% घटाई गईं, यानी प्रति दस लाख टोकन $4 और $20।
स्रोत ↗ ✓ कई AI ने पुष्टि की

आगे कहाँ देखें

Claude Opus 5.5 की आधिकारिक घोषणा पढ़ें। उसमें लिखा है कि यह मॉडल ज़्यादातर कामों में Claude Fable 5.1 के बराबर है, और Opus 5 से 40% कम चलने की लागत पर। Claude Platform पर मॉडल ID claude-opus-5-5 इस्तेमाल करके शुरू करें।
स्रोत ↗

MiMo ने इसे पहला स्थान दिया। उन्होंने इसमें क्या देखा

MiMo: अपने हार्नेस में टर्मिनल बोर्ड जीतता है, 64.8% पर, और 20-घंटे के कार्यों में 62.3% पर टिकता है — लगभग $99 प्रति ट्रायल में, जबकि उस बोर्ड का विजेता $1,030 देता है।

शीर्ष तीन की तुलना करें ↓

शीर्ष तीन आमने-सामने

	GPT-5.6 Sol	GPT-6 Astra	Claude Opus 5.5
AI सूचियों में	8 / 8	8 / 8	8 / 8
सापेक्ष बग दर	0.76 सापेक्ष बग दर	1.13 बग दर	1.14 संयुक्त बग दर
पहला स्थान दिया	Meta, Wenxin	Gemini	MiMo

जिन स्थानों को बराबर AI ने चुना, वे AI सूचियों में उनके औसत स्थान के क्रम में हैं।

03जानने योग्य

सूची बनाते समय AI ने क्या देखा।

सबसे ज़्यादा इस्तेमाल होने वाला मॉडल सबसे साफ़ नहीं है: 26 अक्टूबर वाले हफ़्ते में Opus 5.5 ने क्यूबिक की AI पंक्तियों का 64.4% लिखा, पर उसकी बग दर 1.14 है, जबकि GPT-6.1 Sol की 0.76।

किसने देखा:

शामिल किया: ChatGPT, Grok. शामिल नहीं किया: Meta, Gemini, Nova, DeepSeek, Wenxin, MiMo.

01अंतिम सूची

GPT-5.6 Sol

GPT-6 Astra

Claude Opus 5.5

GPT-6.1 Sol

Claude Sonnet 5.5

Claude Fable 5.1

Claude Opus 5

Grok 4.7

Gemini 4 Carbon

Gemini 4 Argon

02शीर्ष तीन के बारे में और

1GPT-5.6 Sol

क्या आप जानते हैं

2GPT-6 Astra

क्या आप जानते हैं

3Claude Opus 5.5

क्या आप जानते हैं

शीर्ष तीन आमने-सामने

और रैंकिंग

03जानने योग्य

04लोग क्या पूछते हैं

05हमने कैसे गिना

1सवाल

2यह विषय क्यों

3यह कहाँ लागू होता है

4हमने किन बातों पर ध्यान दिया

5रैंक किसने दी

6स्थान कैसे तय हुए

06हर AI की अपनी सूची

ChatGPT ने क्या देखा

Meta ने क्या देखा

Grok ने क्या देखा

DeepSeek ने क्या देखा

Wenxin ने क्या देखा

MiMo ने क्या देखा