AIモデル能力比較
科学・数学
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 | 10/11 recent-year models have scores | 10/11 recent-year models have scores | 10/11 recent-year models have scores | 10/11 recent-year models have scores | 9/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 31.71maxclaude-opus-5-5_max | 91.23maxclaude-opus-5-5_max | 95maxclaude-opus-5-5_max | 100maxclaude-opus-5-5_max | 90.59maxclaude-opus-5-5_max | — |
| 2 |  GPT-6 Astra | 31.71maxgpt-6-astra_max | 93.68maxgpt-6-astra_max | 97.6highgpt-6-astra_high | 99unknowngpt-6-astra_unknown | 95.77maxgpt-6-astra_max | 54.8unknowngpt-6-astra_unknown |
| 3 | GPT-6.1 Sol | 31.71maxgpt-6.1-sol_max | 93.68maxgpt-6.1-sol_max | 100maxgpt-6.1-sol_max | 99unknowngpt-6.1-sol_unknown | 95.39maxgpt-6.1-sol_max | — |
| 4 | Claude Fable 5.1 | 31.14xhighclaude-fable-5-1_xhigh | 90.18maxclaude-fable-5-1_max | 87.8maxclaude-fable-5-1_max | 100maxclaude-fable-5-1_max | — | 46.5xhighclaude-fable-5-1_xhigh |
| 5 |  Gemini 4 Argon | 27.14highgemini-4-argon_high | 85.96highgemini-4-argon_high | 78.05highgemini-4-argon_high | 99unknowngemini-4-argon_unknown | 96.4highgemini-4-argon_high | — |
| 6 | Claude Sonnet 5.5 | 31.43maxclaude-sonnet-5-5_max | 88.77maxclaude-sonnet-5-5_max | 80.49maxclaude-sonnet-5-5_max | 100maxclaude-sonnet-5-5_max | 95.58maxclaude-sonnet-5-5_max | 46.12xhighclaude-sonnet-5-5_xhigh |
| 7 | Claude Opus 5 | 29.14maxclaude-opus-5_max | 85.61maxclaude-opus-5_max | 73.17maxclaude-opus-5_max | 99maxclaude-opus-5_max | 93.88maxclaude-opus-5_max | — |
| 8 | GPT-6 Sol | 30.86maxgpt-6-sol_max | 89.82maxgpt-6-sol_max | 90maxgpt-6-sol_max | 83unknowngpt-6-sol_unknown | 94.32maxgpt-6-sol_max | — |
| 9 | GPT-6 Luna | 19.43maxgpt-6-luna_max | 78.95maxgpt-6-luna_max | 56.1maxgpt-6-luna_max | 64unknowngpt-6-luna_unknown | 90.47maxgpt-6-luna_max | — |
| 10 | Claude Haiku 5.5 | 22.57xhighclaude-haiku-5-5_xhigh | 75.09maxclaude-haiku-5-5_max | 46.34maxclaude-haiku-5-5_max | 89maxclaude-haiku-5-5_max | 89.65maxclaude-haiku-5-5_max | 30.12unknownclaude-haiku-5-5_unknown |
| 11 | Claude Mythos Preview | — | — | — | — | — | — |
Epoch AIベンチマーク
ソース: Epoch AI, CC BY 4.0 ↗ · 更新日 2026-10-15
CritPt · 更新日 2026-10-15
FrontierMath Tiers 1-3 · 更新日 2026-10-15
FrontierMath Tier 4 · 更新日 2026-10-15
ProofBench · 更新日 2026-10-12
GPQA Diamond · 更新日 2026-10-15
Humanity's Last Exam · 更新日 2026-10-07
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。
- CritPt研究レベルの物理学問題
- 現代物理学の諸分野にわたる未公開の研究レベルの物理学問題についての推論をテストします。 評価方法論 ↗
- FrontierMath Tiers 1-3フロンティア数学 — ティア 1-3
- 難易度ティア1～3にわたる挑戦的な独自の数学問題をテストします。これらのスコアは、より難しいティア4と統合すべきではありません。 評価方法論 ↗
- FrontierMath Tier 4フロンティア数学 — ティア 4
- FrontierMathの研究レベルの問題のうち最も難しいティアを、ティア1～3とは別にテストします。 評価方法論 ↗
- ProofBench形式的数学証明ベンチマーク
- 形式検証器でチェックできる数学的証明の作成をテストします。 評価方法論 ↗
- GPQA Diamond大学院レベルの質問応答 — Diamond
- 専門知識と推論を必要とする、大学院レベルの難しい科学問題をテストします。 評価方法論 ↗
- Humanity's Last ExamHumanity 最終試験
- 多くの学術分野にわたる難易度の高い専門家レベルの問題をテストします。これは質問応答ベンチマークであり、Agents' Last Exam とは異なります。 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。