AIモデル能力比較
機械学習エンジニアリング
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.
— means no published score for this candidate in this source, not zero.
| 番号 | モデル | 4/11 recent-year models have scores |
|---|---|---|
| 1 |  Claude Opus 5.5 | 49.3OpenCode, 10h, H100Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 44.3OpenCode, 10h, H100GPT-6 Astra |
| 3 | GPT-6.1 Sol | — |
| 4 | Claude Fable 5.1 | 40.2OpenCode, 10h, H100Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 45.3OpenCode, 10h, H100Gemini 4 Argon |
| 6 | Claude Sonnet 5.5 | — |
| 7 | Claude Opus 5 | — |
| 8 | GPT-6 Sol | — |
| 9 | GPT-6 Luna | — |
| 10 | Claude Haiku 5.5 | — |
| 11 | Claude Mythos Preview | — |
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 ↗
PostTrainBench v1.1 · 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。
- PostTrainBench v1.1ポストトレーニングベンチマーク v1.1
- エージェントが計算予算の下でポストトレーニングを通じてベースモデルを改善できるかどうかをテストします。スコアは、下流の評価における結果モデルを要約します。 評価方法論 ↗
スコアは同じベンチマーク、ソース、バージョン内で読んでください。値が高いほど報告された指標での性能が強いことを示しますが、異なる列間で共通のスケールを共有しているわけではありません。