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。
| 順位 | モデル | 開発元 | 正答率 (%) | 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 位 | o3 | OpenAI | 評価 100.0 | ¥310 | ¥1,300 | 20 万 | OpenAI 公開 2025-04 価格 ¥310 / ¥1,300 長さ 20 万 | |||
| 2〜3 | GPT-5 | OpenAI | 評価 96.9 | ¥200 | ¥1,600 | 40 万 | OpenAI 公開 2025-08 価格 ¥200 / ¥1,600 長さ 40 万 | |||
| 2〜3 | Grok 4 | xAI | 評価 96.9 | — | — | 25.6 万 | xAI 公開 2025-07 価格 — 長さ 25.6 万 | |||
| 4 位 | Gemini 2.5 Pro (exp) | 評価 90.6 | — | — | 約 105 万 | Google 公開 2025-03 価格 — 長さ 約 105 万 | ||||
| 5 位 | o3-pro | OpenAI | 評価 88.9 | — | — | 20 万 | OpenAI 公開 2025-06 価格 — 長さ 20 万 | |||
| 6 位 | Gemini 2.5 Pro (preview, 2025-05) | 評価 87.5 | — | — | 約 105 万 | Google 公開 2025-05 価格 — 長さ 約 105 万 | ||||
| 7 位 | Kimi K2.5 | Moonshot | 評価 78.1 | — | — | 約 26.2 万 | Moonshot 公開 2026-01 価格 — 長さ 約 26.2 万 | |||
| 8 位 | Grok 4 Fast | xAI | 評価 75.0 | — | — | 200 万 | xAI 公開 2025-09 価格 — 長さ 200 万 | |||
| 9 位 | Gemini 2.5 Pro (preview, 2025-03) | 評価 71.9 | — | — | 約 105 万 | Google 公開 2025-03 価格 — 長さ 約 105 万 | ||||
| 10〜11 | Qwen3 235B A22B (thinking) | Alibaba | 評価 68.8 | — | — | 約 26.2 万 | Alibaba 公開 2025-07 価格 — 長さ 約 26.2 万 | |||
| 10〜11 | Gemini 2.5 Flash (preview, 2025-05) | 評価 68.8 | — | — | 約 105 万 | Google 公開 2025-05 価格 — 長さ 約 105 万 | ||||
| 12〜13 | ChatGPT-4o (2025-01) | OpenAI | 評価 65.6 | — | — | — | OpenAI 公開 2025-01 価格 — 長さ — | |||
| 12〜13 | Grok 3 Mini (beta) | xAI | 評価 65.6 | — | — | — | xAI 公開 2025-04 価格 — 長さ — | |||
| 14 位 | GPT-4.5 (preview) | OpenAI | 評価 63.9 | — | — | — | OpenAI 公開 2025-02 価格 — 長さ — | |||
| 15〜19 | Qwen3 Next 80B A3B (instruct) | Alibaba | 評価 62.5 | ¥78 | ¥310 | 約 12.9 万 | Alibaba 公開 2025-09 価格 ¥78 / ¥310 長さ 約 12.9 万 | |||
| 15〜19 | Gemini 2.0 Flash | 評価 62.5 | — | — | — | Google 公開 2025-02 価格 — 長さ — | ||||
| 15〜19 | GPT-4.1 | OpenAI | 評価 62.5 | ¥310 | ¥1,300 | 約 105 万 | OpenAI 公開 2025-04 価格 ¥310 / ¥1,300 長さ 約 105 万 | |||
| 15〜19 | GPT-5 mini | OpenAI | 評価 62.5 | ¥39 | ¥310 | 40 万 | OpenAI 公開 2025-08 価格 ¥39 / ¥310 長さ 40 万 | |||
| 15〜19 | o4-mini | OpenAI | 評価 62.5 | ¥170 | ¥690 | 20 万 | OpenAI 公開 2025-04 価格 ¥170 / ¥690 長さ 20 万 | |||
| 20 位 | MiniMax-M1-80k | MiniMax | 評価 59.4 | — | — | 100 万 | MiniMax 公開 2025-06 価格 — 長さ 100 万 | |||
| 21 位 | Grok 3 (beta) | xAI | 評価 58.3 | — | — | — | xAI 公開 2025-04 価格 — 長さ — | |||
| 22〜25 | Claude 3.7 Sonnet | Anthropic | 評価 53.1 | — | — | 20 万 | Anthropic 公開 2025-02 価格 — 長さ 20 万 | |||
| 22〜25 | DeepSeek-V3.1 | DeepSeek | 評価 53.1 | — | — | 12.8 万 | DeepSeek 公開 2025-08 価格 — 長さ 12.8 万 | |||
| 22〜25 | Gemini 2.5 Flash (preview, 2025-04) | 評価 53.1 | — | — | 約 105 万 | Google 公開 2025-04 価格 — 長さ 約 105 万 | ||||
| 22〜25 | o1 | OpenAI | 評価 53.1 | ¥2,400 | ¥9,400 | 12.8 万 | OpenAI 公開 2024-12 価格 ¥2,400 / ¥9,400 長さ 12.8 万 | |||
| 26 位 | GPT-4.1 mini | OpenAI | 評価 46.9 | — | — | 約 105 万 | OpenAI 公開 2025-04 価格 — 長さ 約 105 万 | |||
| 27 位 | Qwen3 235B A22B (instruct) | Alibaba | 評価 44.4 | — | — | 12.8 万 | Alibaba 公開 2025-07 価格 — 長さ 12.8 万 | |||
| 28 位 | o3-mini | OpenAI | 評価 43.8 | ¥170 | ¥690 | 20 万 | OpenAI 公開 2025-01 価格 ¥170 / ¥690 長さ 20 万 | |||
| 29 位 | Kimi K2 (instruct, 2025-09) | Moonshot | 評価 40.6 | — | — | 約 26.2 万 | Moonshot 公開 2025-09 価格 — 長さ 約 26.2 万 | |||
| 30〜32 | Claude Opus 4 | Anthropic | 評価 37.5 | — | — | 20 万 | Anthropic 公開 2025-05 価格 — 長さ 20 万 | |||
| 30〜32 | Gemini 2.0 Flash (thinking, exp) | 評価 37.5 | — | — | — | Google 公開 2024-12 価格 — 長さ — | ||||
| 30〜32 | Gemini 2.0 Pro (exp) | 評価 37.5 | — | — | 約 210 万 | Google 公開 2025-02 価格 — 長さ 約 210 万 | ||||
| 33〜34 | Llama 4 Maverick | Meta | 評価 36.4 | — | — | 約 52.4 万 | Meta 公開 2025-04 価格 — 長さ 約 52.4 万 | |||
| 33〜34 | Claude Sonnet 4 | Anthropic | 評価 36.4 | — | — | 20 万 | Anthropic 公開 2025-05 価格 — 長さ 20 万 | |||
| 35 位 | DeepSeek-R1 | DeepSeek | 評価 33.3 | — | — | 12.8 万 | DeepSeek 公開 2025-01 価格 — 長さ 12.8 万 | |||
| 36 位 | Llama 4 Scout | Meta | 評価 27.3 | — | — | 12.8 万 | Meta 公開 2025-04 価格 — 長さ 12.8 万 | |||
| 37〜38 | Gemini 2.5 Flash-Lite (preview, 2025-06) | 評価 21.9 | — | — | 約 105 万 | Google 公開 2025-06 価格 — 長さ 約 105 万 | ||||
| 37〜38 | GPT-5 nano | OpenAI | 評価 21.9 | ¥7.8 | ¥63 | 40 万 | OpenAI 公開 2025-08 価格 ¥7.8 / ¥63 長さ 40 万 | |||
| 39 位 | GPT-4.1 nano | OpenAI | 評価 18.8 | ¥16 | ¥63 | 約 105 万 | OpenAI 公開 2025-04 価格 ¥16 / ¥63 長さ 約 105 万 |
最高の正答率の推移
2024-12-17公開日2026-01-27
このページの読み方
- このページの値は、約 12 万トークンの長さで読ませた時の正答率です。課題を作った機関などが公表した値を集めた物です。
- 正答率は解けた問題の割合です。差 1 ポイントは 100 問で 1 問ぶんです。
- 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