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 | 4/11 recent-year models have scores | 4/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 73.1Claude Opus 5.5 | 69.6Claude Opus 5.5 | 63.3Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 85.4GPT-6 Astra | 72GPT-6 Astra | 68.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — |
| 4 | Claude Fable 5.1 | 68.6Claude Fable 5.1 | 65.6Claude Fable 5.1 | 52.6Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 88.8Gemini 4 Argon | 76Gemini 4 Argon | 57.6Gemini 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 ↗
LABBench 2 · Source date unknown
RiemannBench · Source date unknown
Terminal-Bench Science 0.1 · 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。
- LABBench 2実験室ベンチマーク 2
- 科学的な情報やデータ分析を含む生物学研究タスクをテストします。結果は、評価中に利用可能なツールに依存します。 評価方法論 ↗
- RiemannBenchRiemann 数学ベンチマーク
- 通常の競技問題を超えた研究レベルの数学問題をテストします。スコアは、一般的な数学的習熟度ではなく、ベンチマークでの性能を反映します。 評価方法論 ↗
- Terminal-Bench Science 0.1科学ターミナルベンチマーク 0.1
- ターミナルツールを通じて実行される科学研究ワークフローをテストします。0.1バージョンは、一般的なTerminal-Benchタスクセットとは別個のものです。 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。