この表の見方
- 上にあるほど評価が高く、「1〜2 位」のように範囲で出るモデルどうしの差は誤差の範囲です。
- 評価は、課題を作った機関などが公表した値です。
- 測った条件がモデルごとに違うことがあるので、小さな差は気にしなくてよいです。
- 価格は 100 万トークンあたりの目安で、読ませる分、書かせる分の順です。
- 長さは、一度に読ませられる文章の量 (トークン) です。
1 位の誤差の幅
| 順位 | モデル | 開発元 | 成功率 (%) | 入力 ¥ /100 万 | 出力 ¥ /100 万 | 一度に 読める長さ | 対応 | 重み | 公開日 | 価格と仕様 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1〜3 | Gemini 4 Argon | 評価 82.4 ±8.4 | ¥310 | ¥1,600 | 約 105 万 | Google 公開 2026-09 価格 ¥310 / ¥1,600 長さ 約 105 万 | ||||
| 1〜11 | Claude Sonnet 5.5 | Anthropic | 評価 75.5 ±9.2 | ¥310 | ¥1,600 | 100 万 | Anthropic 公開 2026-09 価格 ¥310 / ¥1,600 長さ 100 万 | |||
| 1〜12 | Claude Opus 5.5 | Anthropic | 評価 73.5 ±9.6 | ¥630 | ¥3,100 | 100 万 | Anthropic 公開 2026-09 価格 ¥630 / ¥3,100 長さ 100 万 | |||
| 2〜20 | Claude Fable 5.1 | Anthropic | 評価 68.6 ±9.6 | ¥1,600 | ¥7,800 | 100 万 | Anthropic 公開 2026-09 価格 ¥1,600 / ¥7,800 長さ 100 万 | |||
| 2〜22 | Gemini 3.7 Flash | 評価 67.8 ±10.0 | ¥120 | ¥590 | 約 105 万 | Google 公開 2026-08 価格 ¥120 / ¥590 長さ 約 105 万 | ||||
| 2〜25 | Claude Opus 5 | Anthropic | 評価 65.8 ±10.0 | ¥780 | ¥3,900 | 100 万 | Anthropic 公開 2026-07 価格 ¥780 / ¥3,900 長さ 100 万 | |||
| 2〜25 | Grok 4.6 | xAI | 評価 65.3 ±10.2 | ¥310 | ¥940 | 50 万 | xAI 公開 2026-08 価格 ¥310 / ¥940 長さ 50 万 | |||
| 2〜25 | GPT-6 Astra | OpenAI | 評価 64.7 ±11.0 | ¥1,600 | ¥7,800 | 105 万 | OpenAI 公開 2026-09 価格 ¥1,600 / ¥7,800 長さ 105 万 | |||
| 2〜25 | Gemini 3.8 Flash | 評価 64.3 ±10.2 | ¥120 | ¥590 | 約 105 万 | Google 公開 2026-09 価格 ¥120 / ¥590 長さ 約 105 万 | ||||
| 2〜27 | Claude Fable 5 | Anthropic | 評価 63.6 ±10.4 | ¥1,600 | ¥7,800 | 100 万 | Anthropic 公開 2026-06 価格 ¥1,600 / ¥7,800 長さ 100 万 | |||
| 2〜27 | Qwen3.8 Max | Alibaba | 評価 63.3 ±9.6 | ¥310 | ¥940 | 100 万 | Alibaba 公開 2026-08 価格 ¥310 / ¥940 長さ 100 万 | |||
| 3〜34 | GPT-6.1 Sol | OpenAI | 評価 60.0 ±11.0 | ¥310 | ¥1,600 | 105 万 | OpenAI 公開 2026-09 価格 ¥310 / ¥1,600 長さ 105 万 | |||
| 4〜35 | Muse Spark 1.3 | Meta | 評価 58.6 ±10.8 | ¥200 | ¥670 | 約 105 万 | Meta 公開 2026-09 価格 ¥200 / ¥670 長さ 約 105 万 | |||
| 4〜35 | GPT-5.6 Terra | OpenAI | 評価 58.2 ±10.4 | ¥310 | ¥1,900 | 105 万 | OpenAI 公開 2026-07 価格 ¥310 / ¥1,900 長さ 105 万 | |||
| 4〜37 | GLM-5.3 | Z.ai | 評価 56.6 ±10.0 | ¥220 | ¥690 | 100 万 | Z.ai 公開 2026-08 価格 ¥220 / ¥690 長さ 100 万 | |||
| 4〜37 | Grok 4.5 | xAI | 評価 56.2 ±10.6 | ¥310 | ¥940 | 50 万 | xAI 公開 2026-07 価格 ¥310 / ¥940 長さ 50 万 | |||
| 4〜37 | Claude Haiku 5.5 | Anthropic | 評価 56.1 ±10.2 | ¥16 | ¥78 | 100 万 | Anthropic 公開 2026-10 価格 ¥16 / ¥78 長さ 100 万 | |||
| 4〜38 | GPT-5.5 | OpenAI | 評価 55.1 ±10.8 | ¥780 | ¥4,700 | 105 万 | OpenAI 公開 2026-04 価格 ¥780 / ¥4,700 長さ 105 万 | |||
| 5〜38 | Grok 4.7 | xAI | 評価 54.6 ±10.0 | ¥310 | ¥940 | 50 万 | xAI 公開 2026-09 価格 ¥310 / ¥940 長さ 50 万 | |||
| 4〜38 | Claude Sonnet 5 | Anthropic | 評価 54.5 ±10.8 | ¥310 | ¥1,600 | 100 万 | Anthropic 公開 2026-06 価格 ¥310 / ¥1,600 長さ 100 万 | |||
| 5〜38 | MiMo-V2.6 Pro | Xiaomi | 評価 54.4 ±10.2 | ¥68 | ¥140 | 約 105 万 | Xiaomi 公開 2026-09 価格 ¥68 / ¥140 長さ 約 105 万 | |||
| 4〜38 | GPT-6 Sol | OpenAI | 評価 54.3 ±11.0 | ¥310 | ¥1,600 | 105 万 | OpenAI 公開 2026-09 価格 ¥310 / ¥1,600 長さ 105 万 | |||
| 6〜39 | GLM-5.3 Flash | Z.ai | 評価 52.8 ±10.4 | ¥24 | ¥78 | 100 万 | Z.ai 公開 2026-08 価格 ¥24 / ¥78 長さ 100 万 | |||
| 6〜39 | GPT-5.4 | OpenAI | 評価 52.4 ±10.4 | ¥390 | ¥2,400 | 105 万 | OpenAI 公開 2026-03 価格 ¥390 / ¥2,400 長さ 105 万 | |||
| 6〜41 | GPT-5.6 Sol Pro | OpenAI | 評価 51.4 ±10.8 | — | — | — | OpenAI 公開 2026-07 価格 — 長さ — | |||
| 10〜42 | Claude Opus 4.7 | Anthropic | 評価 49.2 ±10.6 | ¥780 | ¥3,900 | 100 万 | Anthropic 公開 2026-04 価格 ¥780 / ¥3,900 長さ 100 万 | |||
| 10〜42 | Claude Opus 4.8 | Anthropic | 評価 48.9 ±10.8 | ¥780 | ¥3,900 | 100 万 | Anthropic 公開 2026-05 価格 ¥780 / ¥3,900 長さ 100 万 | |||
| 12〜44 | Kimi K3 | Moonshot | 評価 47.8 ±10.2 | ¥470 | ¥2,400 | 約 105 万 | Moonshot 公開 2026-07 価格 ¥470 / ¥2,400 長さ 約 105 万 | |||
| 12〜43 | Qwen3.8 27B | Alibaba | 評価 47.5 ±9.6 | — | — | 約 26.2 万 | Alibaba 公開 2026-08 価格 — 長さ 約 26.2 万 | |||
| 12〜44 | DeepSeek-V4 Pro (2026-08) | DeepSeek | 評価 47.3 ±11.0 | ¥100 | ¥310 | 100 万 | DeepSeek 公開 2026-08 価格 ¥100 / ¥310 長さ 100 万 | |||
| 12〜44 | Gemini 3.6 Flash | 評価 46.9 ±10.2 | ¥120 | ¥590 | 約 105 万 | Google 公開 2026-07 価格 ¥120 / ¥590 長さ 約 105 万 | ||||
| 12〜45 | Claude Opus 4.6 | Anthropic | 評価 46.3 ±10.8 | ¥780 | ¥3,900 | 100 万 | Anthropic 公開 2026-02 価格 ¥780 / ¥3,900 長さ 100 万 | |||
| 12〜45 | Muse Spark 1.2 | Meta | 評価 45.4 ±9.8 | ¥200 | ¥670 | 約 105 万 | Meta 公開 2026-08 価格 ¥200 / ¥670 長さ 約 105 万 | |||
| 12〜45 | GLM-5.2 | Z.ai | 評価 45.2 ±11.2 | ¥220 | ¥690 | 100 万 | Z.ai 公開 2026-06 価格 ¥220 / ¥690 長さ 100 万 | |||
| 13〜45 | GPT-6 Luna | OpenAI | 評価 44.3 ±10.8 | ¥16 | ¥78 | 105 万 | OpenAI 公開 2026-09 価格 ¥16 / ¥78 長さ 105 万 | |||
| 15〜46 | Claude Sonnet 4.6 | Anthropic | 評価 43.0 ±10.8 | ¥470 | ¥2,400 | 100 万 | Anthropic 公開 2026-02 価格 ¥470 / ¥2,400 長さ 100 万 | |||
| 15〜46 | GPT-5.6 Luna | OpenAI | 評価 43.0 ±10.6 | ¥31 | ¥190 | 105 万 | OpenAI 公開 2026-07 価格 ¥31 / ¥190 長さ 105 万 | |||
| 18〜47 | GLM-5.1 | Z.ai | 評価 40.9 ±10.6 | ¥220 | ¥690 | 20 万 | Z.ai 公開 2026-04 価格 ¥220 / ¥690 長さ 20 万 | |||
| 23〜47 | DeepSeek-V4.1 Flash | DeepSeek | 評価 39.5 ±9.6 | — | — | 100 万 | DeepSeek 公開 2026-09 価格 — 長さ 100 万 | |||
| 25〜48 | MiniMax-M3 | MiniMax | 評価 37.7 ±9.6 | ¥47 | ¥190 | 約 105 万 | MiniMax 公開 2026-06 価格 ¥47 / ¥190 長さ 約 105 万 | |||
| 25〜48 | Kimi K2.7 Code | Moonshot | 評価 37.6 ±9.4 | ¥150 | ¥630 | 約 26.2 万 | Moonshot 公開 2026-06 価格 ¥150 / ¥630 長さ 約 26.2 万 | |||
| 26〜49 | Gemini 3.1 Pro (preview) | 評価 35.1 ±9.8 | ¥310 | ¥1,900 | 約 105 万 | Google 公開 2026-02 価格 ¥310 / ¥1,900 長さ 約 105 万 | ||||
| 29〜50 | Inkling | Thinking Machines | 評価 33.8 ±9.6 | ¥290 | ¥730 | 約 26.2 万 | Thinking Machines 公開 2026-07 価格 ¥290 / ¥730 長さ 約 26.2 万 | |||
| 28〜50 | Muse Spark Open | Meta | 評価 33.4 ±10.4 | — | — | 104 万 | Meta 公開 2026-10 価格 — 長さ 104 万 | |||
| 32〜50 | Muse Spark 1.1 | Meta | 評価 31.8 ±10.0 | ¥200 | ¥670 | 100 万 | Meta 公開 2026-07 価格 ¥200 / ¥670 長さ 100 万 | |||
| 36〜50 | Gemini 3.5 Flash-Lite | 評価 29.3 ±9.6 | ¥47 | ¥390 | 約 105 万 | Google 公開 2026-07 価格 ¥47 / ¥390 長さ 約 105 万 | ||||
| 38〜50 | Gemini 3.5 Flash | 評価 27.5 ±9.8 | ¥240 | ¥1,400 | 約 105 万 | Google 公開 2026-05 価格 ¥240 / ¥1,400 長さ 約 105 万 | ||||
| 40〜50 | Qwen3.5 397B A17B | Alibaba | 評価 24.9 ±9.2 | ¥94 | ¥560 | 約 26.2 万 | Alibaba 公開 2026-02 価格 ¥94 / ¥560 長さ 約 26.2 万 | |||
| 42〜50 | NVIDIA Nemotron 3 Ultra | NVIDIA | 評価 22.7 ±8.8 | — | — | 約 13.1 万 | NVIDIA 公開 2026-06 価格 — 長さ 約 13.1 万 | |||
| 43〜50 | DeepSeek-V3.2 | DeepSeek | 評価 21.3 ±8.0 | — | — | 12.8 万 | DeepSeek 公開 2025-12 価格 — 長さ 12.8 万 | |||
| 51 位 | GPT-OSS 120B | OpenAI | 評価 4.4 ±3.9 | — | — | 12.8 万 | OpenAI 公開 2025-08 価格 — 長さ 12.8 万 |
最高の成功率の推移
2025-08-05公開日2026-10-15
このページの読み方
- 値は 1 回目の挑戦で合格した割合です。課題を作った機関などが公表した値を集めた物です。
- 成功率は、うまくいった回の割合です。差 1 ポイントは 100 回で 1 回ぶんです。
- 対応の列の絵は左から、ツールを使える / 画像を読める / 決まった形 (JSON) で答えられる、です (薄い印は非対応か不明)。
- オープンウェイトは、モデルの中身 (重み) が公開されていて、自分のパソコンやサーバーでも動かせるモデルです。オープンウェイトの印の無いモデルは、開発元のサービス (アプリや API) で使うのが基本です (重みの情報が無いモデルもあります)。
- モデル名の横の ChatGPT などは、その開発元が一般向けに出しているサービスの名です。そのモデルがそのサービスで選べるかは、サービスの側で確かめてください。
- 円は 1 ドル 157 円 (2026 年 10 月 23 日の欧州中央銀行の参考レート) で換算し、上 2 桁に丸めた目安です。
データ: Arena / Epoch AI / Swallow LLM team (CC BY 4.0) / Models.dev (MIT)、更新 2026-10-24、データの出典