AIモデル能力比較
コンピュータ操作
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
ALE-V1 · full · max · Codex
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| 番号 | モデル | エージェントエンジン | 推論の労力 | 分割 | 実行済みタスク数 / 全タスク数 | ||
|---|---|---|---|---|---|---|---|
| 1 |  GPT-6 Astragpt-6-astra | Codex | max | 34.21% | 59.26% | full | 151 / 152 |
| 2 | GPT-6 Solgpt-6-sol | Codex | max | 31.58% | 58.57% | full | 151 / 152 |
| 3 | GPT-6 Lunagpt-6-luna | Codex | max | 25% | 50.89% | full | 150 / 152 |
ALE · プロフェッショナルワークフロー
ソース: Agents’ Last Exam ↗ · CC BY 4.0 · 取得済み 2026年10月21日 06:00 UTC
ALE-V1 · full · max · Codex · Source date unknown
PandaNpc 更新日 2026年10月21日 06:01 UTC
ソース: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
列ガイド
- 番号
- 表示順序のみです。並べ替えによりこの数値は変わりますが、公開された能力ランキングではありません。
- モデル
- 評価対象のモデル名とプロバイダーのアイコン。スコア列のダッシュは、ここに公開スコアがないことを意味し、ゼロではありません。
- エージェントエンジン
- Codex
- 推論の労力
- max
- スコア
- ALE-V1 フルスプリット、最大推論エフォート: 全152タスクのうち満点を獲得した割合。実行タスク数は152未満の場合があります。プロフェッショナルワークフローではGUIとコマンドラインツールを使用できます。Claude CodeとCodexは異なるハーネスを使用しています。これはGUIのみの比較ではありません。上流のスナップショット日付は公開されていません。取得時刻は別途表示されます。Claude CodeとCodexは、それぞれの比較グループ内でのみランク付けされます。 評価方法論 ↗
- 部分スコア
- ALE-V1のフルスプリット、最大推論エフォート：公開されている部分タスクスコアの平均を0–1からパーセントに変換したものです。これは全タスクの合格率ではありません。プロフェッショナル向けワークフローではGUIとコマンドラインツールを使用できます。Claude CodeとCodexは異なるハーネスを使用しています。実行タスク数と152タスクの分割が表示されます。上流のスナップショット日付は公開されていません。取得時刻は別途表示されます。Claude CodeとCodexは、それぞれの比較グループ内でのみランキングされます。
- 分割
- 分割
- 実行済みタスク数 / 全タスク数
- 公開された実行結果がある個別タスク / フルスプリット内の全152タスク。合格率はフルスプリットを分母として計算され、未実行のタスクは合格として数えられません。