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.
Agent's Last Exam — Pass rateエージェント最終試験 — 合格率
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| 番号 | モデル | |
|---|---|---|
| 1 |  Gemini 4 ArgonGemini 4 Argon | 39.5Pass rate |
| 2 |  Claude Opus 5.5Claude Opus 5.5 | 38.2Pass rate |
| 3 |  GPT-6 AstraGPT-6 Astra | 34.2Pass rate |
Google DeepMind (model card)
ソース: Google DeepMind (model card) ↗
Google モデルカード: 2026年10月時点の提供元による結果および再公開されたサードパーティスコア。評価設定については方法論を参照。これらはすべてが独立した評価ではありません。 評価方法論 ↗
Agent's Last Exam — Pass rate · 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。
- スコア
- 実際のソフトウェア環境で、長期的な専門業務をテストします。合格率は、部分的な進捗ではなく、求められる成果を満たしたタスクを数えます。 評価方法論 ↗
- カバレッジ
- 選択したモデルファミリーについて公開されている結果のみを表示しています。OSWorld 2.x、Verified、Proは現在Claude Opus 5構成を提供していますが、これはすべてのモデルを完全に網羅するものではありません。Windows Agent Arena、MacArena、ScreenSpot-Pro、OSWorld-Human、WebArena-Verified、VisualWebArena、Online-Mind2Web、WorkArena++は、ここにはまだ統合されていません。SafeArenaは安全性を別途測定しており、タスク完了スコアには統合されていません。欠損した結果がゼロで埋められることはありません。