OpenAI का GPT-5 उच्च तर्क प्रयास के साथ, 88.0% स्कोर के साथ Aider Polyglot कोडिंग बेंचमार्क में शीर्ष पर है, जो o3-pro (84.9%) और Gemini 2.5 Pro (83.1%) जैसे प्रतिस्पर्धियों के मुकाबले स्पष्ट लाभ स्थापित करता है। यह वास्तविक-दुनिया बेंचमार्क मौजूदा कोडबेस के भीतर कई प्रोग्रामिंग भाषाओं में कोड संपादित करके मॉडल प्रदर्शन का मूल्यांकन करता है, न कि अलग-थलग फ़ंक्शन उत्पन्न करके।
- उच्च तर्क प्रयास के साथ GPT-5 88.0% तक पहुंचता है, जबकि मध्यम सेटिंग 81.3% स्कोर करती है, जो बढ़े हुए कंप्यूट से 6.7 प्रतिशत अंक का महत्वपूर्ण लाभ को उजागर करता है।
- OpenAI लीडरबोर्ड में शीर्ष छह स्थानों पर हावी है, जिससे इसकी मॉडल लाइनअप में गहराई दिखाई देती है।
- Claude Sonnet 4 काफी पीछे है, जो 61.0% पर है, जो संभवतः Aider के विशिष्ट diff-आधारित संपादन कार्यप्रवाह के साथ कठिनाइयों के कारण हो सकता है, न कि सामान्य कोडिंग क्षमता के कारण।
परिणाम इंगित करते हैं कि GPT-5 उन टीमों के लिए सर्वोत्तम विकल्प है जो Aider को अपने प्राथमिक कोड सहायक के रूप में उपयोग करती हैं, जबकि तर्क सेटिंग्स के बीच की खाई यह सुझाव देती है कि कंप्यूट स्केलिंग प्रदर्शन के लिए एक महत्वपूर्ण लीवर बना हुआ है।