課題の成績

生物 / 化学 / 物理の専門家級の選択問題 (専門家だけが解けた問題を選んだ部分、GPQA diamond)

生物 / 化学 / 物理の専門家が作った選択式の問題のうち、その分野の専門家は正解し、分野外の人の多くが誤った問題を集めた課題です。

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、共通の問題のうち解けた問題の割合 (%) です。
± は測り直した時に動く幅で、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	正答率 (%)	評価日	入力 ¥ /100 万	出力 ¥ /100 万	一度に読める長さ	重み	公開日	価格と仕様
1〜25	Gemini 4 Argon	Google	評価 99.2 ±3.2	202610-13	¥310	¥1,600	約 105 万		2026-09	Google 公開 2026-⁠09 価格 ¥310 / ¥1,600 長さ約 105 万
1〜28	GPT-6 Astra	OpenAI	評価 98.3 ±3.7	202608-30	¥1,600	¥7,800	105 万		2026-09	OpenAI 公開 2026-⁠09 価格 ¥1,600 / ¥7,800 長さ 105 万
1〜33	Claude Sonnet 5.5	Anthropic	評価 98.0 ±3.7	202609-29	¥310	¥1,600	100 万		2026-09	Anthropic 公開 2026-⁠09 価格 ¥310 / ¥1,600 長さ 100 万
1〜34	Gemini 3.8 Flash	Google	評価 97.8 ±3.8	202609-02	¥120	¥590	約 105 万		2026-09	Google 公開 2026-⁠09 価格 ¥120 / ¥590 長さ約 105 万
1〜34	GPT-6.1 Sol	OpenAI	評価 97.8 ±3.8	202609-29	¥310	¥1,600	105 万		2026-09	OpenAI 公開 2026-⁠09 価格 ¥310 / ¥1,600 長さ 105 万
1〜41	Gemini 3.7 Flash	Google	評価 97.0 ±3.7	202608-14	¥120	¥590	約 105 万		2026-08	Google 公開 2026-⁠08 価格 ¥120 / ¥590 長さ約 105 万
1〜46	GPT-5.4 Pro	OpenAI	評価 96.7 ±4.4	202603-20	¥4,700	¥28,000	105 万		2026-03	OpenAI 公開 2026-⁠03 価格 ¥4,700 / ¥28,000 長さ 105 万
1〜47	Gemini 3.1 Pro (preview)	Google	評価 96.4 ±4.4	202608-06	¥310	¥1,900	約 105 万		2026-02	Google 公開 2026-⁠02 価格 ¥310 / ¥1,900 長さ約 105 万
1〜46	GPT-6 Sol	OpenAI	評価 96.3 ±4.1	202609-22	¥310	¥1,600	105 万		2026-09	OpenAI 公開 2026-⁠09 価格 ¥310 / ¥1,600 長さ 105 万
1〜47	Gemini 3.6 Flash	Google	評価 96.0 ±3.8	202608-02	¥120	¥590	約 105 万		2026-07	Google 公開 2026-⁠07 価格 ¥120 / ¥590 長さ約 105 万
1〜48	GPT-5.5	OpenAI	評価 95.8 ±4.2	202604-24	¥780	¥4,700	105 万		2026-04	OpenAI 公開 2026-⁠04 価格 ¥780 / ¥4,700 長さ 105 万
1〜47	Grok 4.6	xAI	評価 95.8 ±3.9	202608-12	¥310	¥940	50 万		2026-08	xAI 公開 2026-⁠08 価格 ¥310 / ¥940 長さ 50 万
1〜48	GPT-5.5 Pro	OpenAI	評価 95.7 ±4.3	202604-24	¥4,700	¥28,000	105 万		2026-04	OpenAI 公開 2026-⁠04 価格 ¥4,700 / ¥28,000 長さ 105 万
1〜48	Claude Opus 5	Anthropic	評価 95.7 ±4.0	202607-24	¥780	¥3,900	100 万		2026-07	Anthropic 公開 2026-⁠07 価格 ¥780 / ¥3,900 長さ 100 万
1〜50	GPT-5.6 Sol	OpenAI	評価 95.1 ±4.3	202607-09	¥630	¥3,100	105 万		2026-07	OpenAI 公開 2026-⁠07 価格 ¥630 / ¥3,100 長さ 105 万
1〜50	Grok 4.5	xAI	評価 95.0 ±3.9	202607-08	¥310	¥940	50 万		2026-07	xAI 公開 2026-⁠07 価格 ¥310 / ¥940 長さ 50 万
1〜54	GPT-5.6 Terra	OpenAI	評価 94.9 ±4.2	202607-09	¥310	¥1,900	105 万		2026-07	OpenAI 公開 2026-⁠07 価格 ¥310 / ¥1,900 長さ 105 万
1〜56	GPT-5.4	OpenAI	評価 94.9 ±4.9	202603-06	¥390	¥2,400	105 万		2026-03	OpenAI 公開 2026-⁠03 価格 ¥390 / ¥2,400 長さ 105 万
1〜55	DeepSeek-V4.1 Flash (2026-⁠10)⁠	DeepSeek	評価 94.7 ±4.3	202610-19	¥24	¥94	100 万		2026-10	DeepSeek 公開 2026-⁠10 価格 ¥24 / ¥94 長さ 100 万
1〜55	Kimi K3⁠	Moonshot	評価 94.6 ±4.1	202607-16	¥470	¥2,400	約 105 万		2026-07	Moonshot 公開 2026-⁠07 価格 ¥470 / ¥2,400 長さ約 105 万
1〜58	Gemini 3.5 Flash	Google	評価 94.2 ±4.5	202605-22	¥240	¥1,400	約 105 万		2026-05	Google 公開 2026-⁠05 価格 ¥240 / ¥1,400 長さ約 105 万
1〜58	Grok 4.7	xAI	評価 94.1 ±4.2	202609-22	¥310	¥940	50 万		2026-09	xAI 公開 2026-⁠09 価格 ¥310 / ¥940 長さ 50 万
1〜58	Qwen3.8 Max	Alibaba	評価 94.0 ±4.6	202608-04	¥310	¥940	100 万		2026-08	Alibaba 公開 2026-⁠08 価格 ¥310 / ¥940 長さ 100 万
1〜58	Gemini 3 Pro (preview)	Google	評価 93.9 ±4.5	202511-19	—	—	100 万		2025-11	Google 公開 2025-⁠11 価格 — 長さ 100 万
1〜62	Qwen3.8 Max (2026-⁠09)	Alibaba	評価 93.5 ±4.7	202609-02	—	—	100 万		2026-09	Alibaba 公開 2026-⁠09 価格 — 長さ 100 万
2〜64	GLM-5.2⁠	Z.ai	評価 92.9 ±4.4	202606-24	¥220	¥690	100 万		2026-06	Z.ai 公開 2026-⁠06 価格 ¥220 / ¥690 長さ 100 万
3〜64	DeepSeek-V4 Pro (2026-⁠08)⁠	DeepSeek	評価 92.6 ±4.1	202608-18	¥100	¥310	100 万		2026-08	DeepSeek 公開 2026-⁠08 価格 ¥100 / ¥310 長さ 100 万
2〜66	GPT-5.6 Luna	OpenAI	評価 92.5 ±4.7	202607-09	¥31	¥190	105 万		2026-07	OpenAI 公開 2026-⁠07 価格 ¥31 / ¥190 長さ 105 万
2〜69	GPT-5.2	OpenAI	評価 92.2 ±4.9	202512-13	¥270	¥2,200	40 万		2025-12	OpenAI 公開 2025-⁠12 価格 ¥270 / ¥2,200 長さ 40 万
3〜72	Claude Opus 4.8	Anthropic	評価 91.7 ±5.2	202606-07	¥780	¥3,900	100 万		2026-05	Anthropic 公開 2026-⁠05 価格 ¥780 / ¥3,900 長さ 100 万
4〜69	DeepSeek-V4 Flash (2026-⁠07)⁠	DeepSeek	評価 91.7 ±4.8	202608-02	—	—	100 万		2026-07	DeepSeek 公開 2026-⁠07 価格 — 長さ 100 万
3〜73	DeepSeek-V4 Pro⁠	DeepSeek	評価 91.5 ±5.6	202608-06	¥100	¥310	100 万		2026-04	DeepSeek 公開 2026-⁠04 価格 ¥100 / ¥310 長さ 100 万
6〜69	GLM-5.3⁠	Z.ai	評価 91.5 ±4.3	202608-24	¥220	¥690	100 万		2026-08	Z.ai 公開 2026-⁠08 価格 ¥220 / ¥690 長さ 100 万
3〜73	MiniMax-M3⁠	MiniMax	評価 91.5 ±5.6	202608-10	¥47	¥190	約 105 万		2026-06	MiniMax 公開 2026-⁠06 価格 ¥47 / ¥190 長さ約 105 万
3〜73	Qwen3.7 Max	Alibaba	評価 91.5 ±5.6	202608-07	¥390	¥1,200	100 万		2026-05	Alibaba 公開 2026-⁠05 価格 ¥390 / ¥1,200 長さ 100 万
6〜72	Kimi K2.6⁠	Moonshot	評価 91.4 ±4.7	202605-01	¥150	¥630	約 26.2 万		2026-04	Moonshot 公開 2026-⁠04 価格 ¥150 / ¥630 長さ約 26.2 万
6〜73	Claude Opus 5.5	Anthropic	評価 91.1 ±5.3	202609-22	¥630	¥3,100	100 万		2026-09	Anthropic 公開 2026-⁠09 価格 ¥630 / ¥3,100 長さ 100 万
7〜73	Claude Opus 4.6	Anthropic	評価 91.0 ±4.6	202602-06	¥780	¥3,900	100 万		2026-02	Anthropic 公開 2026-⁠02 価格 ¥780 / ¥3,900 長さ 100 万
6〜73	Claude Sonnet 5	Anthropic	評価 91.0 ±4.9	202607-01	¥310	¥1,600	100 万		2026-06	Anthropic 公開 2026-⁠06 価格 ¥310 / ¥1,600 長さ 100 万
6〜73	GPT-6 Luna	OpenAI	評価 90.9 ±5.0	202609-22	¥16	¥78	105 万		2026-09	OpenAI 公開 2026-⁠09 価格 ¥16 / ¥78 長さ 105 万
7〜73	Claude Opus 4.7	Anthropic	評価 90.5 ±5.0	202604-17	¥780	¥3,900	100 万		2026-04	Anthropic 公開 2026-⁠04 価格 ¥780 / ¥3,900 長さ 100 万
7〜73	GLM-5.3 Flash⁠	Z.ai	評価 90.5 ±4.7	202608-26	¥24	¥78	100 万		2026-08	Z.ai 公開 2026-⁠08 価格 ¥24 / ¥78 長さ 100 万
6〜77	GLM-5.1⁠	Z.ai	評価 90.1 ±5.8	202608-10	¥220	¥690	20 万		2026-04	Z.ai 公開 2026-⁠04 価格 ¥220 / ¥690 長さ 20 万
9〜74	DeepSeek-V4.1 Flash⁠	DeepSeek	評価 90.1 ±4.7	202610-09	—	—	100 万		2026-09	DeepSeek 公開 2026-⁠09 価格 — 長さ 100 万
6〜77	Muse Spark	Meta	評価 90.0 ±6.0	202604-08	—	—	—		2026-04	Meta 公開 2026-⁠04 価格 — 長さ —
7〜77	Claude Haiku 5.5	Anthropic	評価 89.8 ±5.4	202610-09	¥16	¥78	100 万		2026-10	Anthropic 公開 2026-⁠10 価格 ¥16 / ¥78 長さ 100 万
7〜79	Gemini 3 Flash (preview)	Google	評価 89.4 ±6.0	202608-06	¥78	¥470	100 万		2025-12	Google 公開 2025-⁠12 価格 ¥78 / ¥470 長さ 100 万
12〜77	Grok 4.20 Reasoning	xAI	評価 89.3 ±5.1	202607-13	¥200	¥390	200 万		2026-02	xAI 公開 2026-⁠02 価格 ¥200 / ¥390 長さ 200 万
15〜83	Grok 4.3	xAI	評価 88.6 ±5.3	202606-17	¥200	¥390	100 万		2026-04	xAI 公開 2026-⁠04 価格 ¥200 / ¥390 長さ 100 万
17〜83	Muse Spark Open⁠	Meta	評価 88.3 ±5.1	202610-15	—	—	104 万		2026-10	Meta 公開 2026-⁠10 価格 — 長さ 104 万
17〜83	Inkling Small⁠	Thinking Machines	評価 88.2 ±5.2	202608-14	¥91	¥230	約 52.4 万		2026-07	Thinking Machines 公開 2026-⁠07 価格 ¥91 / ¥230 長さ約 52.4 万
15〜85	Qwen3.6 Plus	Alibaba	評価 88.0 ±6.2	202608-07	¥78	¥470	100 万		2026-03	Alibaba 公開 2026-⁠03 価格 ¥78 / ¥470 長さ 100 万
20〜85	Inkling⁠	Thinking Machines	評価 87.9 ±5.3	202608-05	¥290	¥730	約 26.2 万		2026-07	Thinking Machines 公開 2026-⁠07 価格 ¥290 / ¥730 長さ約 26.2 万
21〜85	Mistral Large 4	Mistral	評価 87.6 ±5.3	202610-12	¥210	¥660	約 52.4 万		2026-10	Mistral 公開 2026-⁠10 価格 ¥210 / ¥660 長さ約 52.4 万
17〜86	Kimi K2.7 Code⁠	Moonshot	評価 87.3 ±6.3	202608-07	¥150	¥630	約 26.2 万		2026-06	Moonshot 公開 2026-⁠06 価格 ¥150 / ¥630 長さ約 26.2 万
17〜86	Qwen3.7 Plus	Alibaba	評価 87.3 ±6.3	202608-07	¥63	¥250	100 万		2026-06	Alibaba 公開 2026-⁠06 価格 ¥63 / ¥250 長さ 100 万
18〜86	GLM-5⁠	Z.ai	評価 87.2 ±6.4	202602-12	¥160	¥500	約 20.5 万		2026-02	Z.ai 公開 2026-⁠02 価格 ¥160 / ¥500 長さ約 20.5 万
25〜85	GPT-5.1	OpenAI	評価 87.0 ±5.1	202511-13	¥200	¥1,600	40 万		2025-11	OpenAI 公開 2025-⁠11 価格 ¥200 / ¥1,600 長さ 40 万
25〜85	Kimi K2.5⁠	Moonshot	評価 86.9 ±5.2	202602-02	—	—	約 26.2 万		2026-01	Moonshot 公開 2026-⁠01 価格 — 長さ約 26.2 万
25〜86	Claude Sonnet 4.6	Anthropic	評価 86.6 ±5.5	202602-20	¥470	¥2,400	100 万		2026-02	Anthropic 公開 2026-⁠02 価格 ¥470 / ¥2,400 長さ 100 万
21〜86	Qwen3.6 Max (preview)	Alibaba	評価 86.6 ±6.4	202608-07	¥200	¥1,200	24 万		2026-04	Alibaba 公開 2026-⁠04 価格 ¥200 / ¥1,200 長さ 24 万
26〜86	Grok 4	xAI	評価 86.1 ±5.4	—	—	—	25.6 万		2025-07	xAI 公開 2025-⁠07 価格 — 長さ 25.6 万
25〜87	GPT-5.4 mini	OpenAI	評価 85.9 ±6.5	202608-07	¥120	¥710	40 万		2026-03	OpenAI 公開 2026-⁠03 価格 ¥120 / ¥710 長さ 40 万
26〜87	Qwen3.5 397B A17B⁠	Alibaba	評価 85.2 ±6.7	202608-07	¥94	¥560	約 26.2 万		2026-02	Alibaba 公開 2026-⁠02 価格 ¥94 / ¥560 長さ約 26.2 万
29〜87	GPT-5	OpenAI	評価 85.0 ±5.7	202510-29	¥200	¥1,600	40 万		2025-08	OpenAI 公開 2025-⁠08 価格 ¥200 / ¥1,600 長さ 40 万
29〜87	Claude Opus 4.5	Anthropic	評価 84.8 ±5.6	202511-24	¥780	¥3,900	20 万		2025-11	Anthropic 公開 2025-⁠11 価格 ¥780 / ¥3,900 長さ 20 万
28〜88	Claude Fable 5	Anthropic	評価 84.5 ±6.8	202608-06	¥1,600	¥7,800	100 万		2026-06	Anthropic 公開 2026-⁠06 価格 ¥1,600 / ¥7,800 長さ 100 万
28〜88	Qwen3.6 27B⁠	Alibaba	評価 84.5 ±6.8	202608-07	¥94	¥560	約 26.2 万		2026-04	Alibaba 公開 2026-⁠04 価格 ¥94 / ¥560 長さ約 26.2 万
29〜91	NVIDIA Nemotron 3 Ultra⁠	NVIDIA	評価 83.8 ±6.9	202608-10	—	—	約 13.1 万		2026-06	NVIDIA 公開 2026-⁠06 価格 — 長さ約 13.1 万
34〜89	Gemini 2.5 Pro	Google	評価 83.7 ±5.8	202511-16	¥200	¥1,600	100 万		2025-06	Google 公開 2025-⁠06 価格 ¥200 / ¥1,600 長さ 100 万
32〜93	Gemini 2.5 Pro (preview, 2025-⁠05)	Google	評価 83.1 ±7.0	202506-05	—	—	約 105 万		2025-05	Google 公開 2025-⁠05 価格 — 長さ約 105 万
32〜93	Qwen3.5 Plus	Alibaba	評価 83.1 ±7.0	202608-07	¥63	¥380	100 万		2026-02	Alibaba 公開 2026-⁠02 価格 ¥63 / ¥380 長さ 100 万
32〜93	Qwen3.6 35B A3B⁠	Alibaba	評価 83.1 ±7.0	202608-07	¥59	¥350	約 26.2 万		2026-04	Alibaba 公開 2026-⁠04 価格 ¥59 / ¥350 長さ約 26.2 万
44〜93	Kimi K2 Thinking Turbo⁠	Moonshot	評価 82.2 ±5.7	202511-11	—	—	—		2025-11	Moonshot 公開 2025-⁠11 価格 — 長さ —
43〜97	Gemini 2.5 Pro (exp)	Google	評価 81.7 ±7.1	202503-31	—	—	約 105 万		2025-03	Google 公開 2025-⁠03 価格 — 長さ約 105 万
48〜97	Qwen3.5 35B A3B⁠	Alibaba	評価 81.2 ±5.9	202608-28	¥39	¥310	約 26.2 万		2026-02	Alibaba 公開 2026-⁠02 価格 ¥39 / ¥310 長さ約 26.2 万
49〜95	DeepSeek-V3.2⁠	DeepSeek	評価 81.1 ±5.5	202512-16	—	—	12.8 万		2025-12	DeepSeek 公開 2025-⁠12 価格 — 長さ 12.8 万
44〜99	Gemini 3.5 Flash-Lite	Google	評価 81.0 ±7.2	202608-06	¥47	¥390	約 105 万		2026-07	Google 公開 2026-⁠07 価格 ¥47 / ¥390 長さ約 105 万
48〜98	GLM-4.7⁠	Z.ai	評価 81.0 ±6.5	202601-29	¥94	¥340	約 20.5 万		2025-12	Z.ai 公開 2025-⁠12 価格 ¥94 / ¥340 長さ約 20.5 万
44〜99	Qwen3.6 Flash	Alibaba	評価 81.0 ±7.2	202608-07	¥39	¥240	100 万		2026-04	Alibaba 公開 2026-⁠04 価格 ¥39 / ¥240 長さ 100 万
52〜100	GPT-5.5 Instant	OpenAI	評価 79.9 ±6.1	202608-02	—	—	—		2026-05	OpenAI 公開 2026-⁠05 価格 — 長さ —
49〜100	Claude Sonnet 4.5	Anthropic	評価 79.6 ±7.4	202510-28	¥470	¥2,400	20 万		2025-09	Anthropic 公開 2025-⁠09 価格 ¥470 / ¥2,400 長さ 20 万
49〜100	Qwen3.5 Flash	Alibaba	評価 79.6 ±7.4	202608-07	¥16	¥63	100 万		2026-02	Alibaba 公開 2026-⁠02 価格 ¥16 / ¥63 長さ 100 万
49〜100	Qwen3.7 Flash	Alibaba	評価 79.6 ±7.4	202608-07	¥4.7	¥20	99.1 万		2026-07	Alibaba 公開 2026-⁠07 価格 ¥4.7 / ¥20 長さ 99.1 万
52〜101	Gemini 3.1 Flash-Lite	Google	評価 78.9 ±7.5	202608-06	¥39	¥240	約 105 万		2026-03	Google 公開 2026-⁠03 価格 ¥39 / ¥240 長さ約 105 万
57〜100	o3	OpenAI	評価 78.9 ±5.8	202504-16	¥310	¥1,300	20 万		2025-04	OpenAI 公開 2025-⁠04 価格 ¥310 / ¥1,300 長さ 20 万
63〜102	Qwen3 235B A22B (thinking)⁠	Alibaba	評価 76.5 ±7.1	202512-11	—	—	約 26.2 万		2025-07	Alibaba 公開 2025-⁠07 価格 — 長さ約 26.2 万
67〜103	o4-mini	OpenAI	評価 75.8 ±6.5	202504-16	¥170	¥690	20 万		2025-04	OpenAI 公開 2025-⁠04 価格 ¥170 / ¥690 長さ 20 万
70〜105	Qwen3.5 9B⁠	Alibaba	評価 75.0 ±6.4	202608-27	—	—	26.2 万		2026-02	Alibaba 公開 2026-⁠02 価格 — 長さ 26.2 万
70〜106	Claude 3.7 Sonnet	Anthropic	評価 74.3 ±7.2	202505-26	—	—	20 万		2025-02	Anthropic 公開 2025-⁠02 価格 — 長さ 20 万
71〜106	GPT-5.4 nano	OpenAI	評価 74.3 ±6.6	202604-14	¥31	¥200	40 万		2026-03	OpenAI 公開 2026-⁠03 価格 ¥31 / ¥200 長さ 40 万
69〜107	Claude Sonnet 4	Anthropic	評価 74.0 ±8.0	202505-22	—	—	20 万		2025-05	Anthropic 公開 2025-⁠05 価格 — 長さ 20 万
71〜111	Claude Opus 4.1	Anthropic	評価 72.6 ±8.1	202508-05	—	—	20 万		2025-08	Anthropic 公開 2025-⁠08 価格 — 長さ 20 万
75〜109	o3-mini	OpenAI	評価 72.3 ±7.0	202502-13	¥170	¥690	20 万		2025-01	OpenAI 公開 2025-⁠01 価格 ¥170 / ¥690 長さ 20 万
75〜111	o1	OpenAI	評価 71.9 ±8.2	202502-13	¥2,400	¥9,400	12.8 万		2024-12	OpenAI 公開 2024-⁠12 価格 ¥2,400 / ¥9,400 長さ 12.8 万
79〜111	DeepSeek-R1 (2025-⁠05)⁠	DeepSeek	評価 71.3 ±6.5	202505-29	—	—	約 13.1 万		2025-05	DeepSeek 公開 2025-⁠05 価格 — 長さ約 13.1 万
76〜111	Claude Opus 4	Anthropic	評価 71.2 ±8.3	202505-22	—	—	20 万		2025-05	Anthropic 公開 2025-⁠05 価格 — 長さ 20 万
76〜111	Grok 3 Mini (beta)	xAI	評価 71.2 ±8.3	202504-10	—	—	—		2025-04	xAI 公開 2025-⁠04 価格 — 長さ —
78〜111	Gemma 4 31B⁠	Google	評価 70.5 ±8.3	202608-06	—	—	約 26.2 万		2026-04	Google 公開 2026-⁠04 価格 — 長さ約 26.2 万
81〜111	GPT-OSS 120B⁠	OpenAI	評価 70.5 ±7.5	202512-11	—	—	12.8 万		2025-08	OpenAI 公開 2025-⁠08 価格 — 長さ 12.8 万
86〜111	GPT-5 mini	OpenAI	評価 69.4 ±6.2	202510-30	¥39	¥310	40 万		2025-08	OpenAI 公開 2025-⁠08 価格 ¥39 / ¥310 長さ 40 万
87〜120	Gemma 4 26B A4B⁠	Google	評価 67.0 ±8.6	202608-06	¥24	¥94	約 26.2 万		2026-04	Google 公開 2026-⁠04 価格 ¥24 / ¥94 長さ約 26.2 万
88〜120	Qwen3 Max (instruct)	Alibaba	評価 66.1 ±7.4	202510-06	—	—	約 25.8 万		2025-09	Alibaba 公開 2025-⁠09 価格 — 長さ約 25.8 万
90〜123	Seed-OSS 36B (instruct)	ByteDance	評価 64.6 ±7.5	202608-30	—	—	26.2 万	—	2025-08	ByteDance 公開 2025-⁠08 価格 — 長さ 26.2 万
89〜123	Claude Haiku 4.5	Anthropic	評価 64.2 ±8.8	202510-22	¥160	¥780	20 万		2025-10	Anthropic 公開 2025-⁠10 価格 ¥160 / ¥780 長さ 20 万
89〜123	DeepSeek Chat (API)⁠	DeepSeek	評価 64.2 ±8.8	202607-16	—	—	100 万		2025-12	DeepSeek 公開 2025-⁠12 価格 — 長さ 100 万
92〜123	Qwen3 235B A22B⁠	Alibaba	評価 63.5 ±7.4	202506-03	¥110	¥440	12.8 万		2025-04	Alibaba 公開 2025-⁠04 価格 ¥110 / ¥440 長さ 12.8 万
93〜124	Qwen3 30B A3B (thinking)⁠	Alibaba	評価 62.6 ±7.7	202608-30	—	—	約 26.2 万		2025-07	Alibaba 公開 2025-⁠07 価格 — 長さ約 26.2 万
94〜125	GPT-5 nano	OpenAI	評価 61.7 ±7.5	202510-30	¥7.8	¥63	40 万		2025-08	OpenAI 公開 2025-⁠08 価格 ¥7.8 / ¥63 長さ 40 万
93〜125	DeepSeek-R1⁠	DeepSeek	評価 61.4 ±8.4	202505-26	—	—	12.8 万		2025-01	DeepSeek 公開 2025-⁠01 価格 — 長さ 12.8 万
94〜127	GPT-4.5 (preview)	OpenAI	評価 60.7 ±9.0	202502-28	—	—	—		2025-02	OpenAI 公開 2025-⁠02 価格 — 長さ —
102〜127	DeepSeek-V3 (2025-⁠03)⁠	DeepSeek	評価 59.2 ±7.3	202504-01	—	—	約 16.4 万		2025-03	DeepSeek 公開 2025-⁠03 価格 — 長さ約 16.4 万
102〜127	Grok 3 (beta)	xAI	評価 59.1 ±7.3	202505-26	—	—	—		2025-04	xAI 公開 2025-⁠04 価格 — 長さ —
102〜128	Llama 4 Maverick (FP8)⁠	Meta	評価 58.3 ±7.7	202504-08	—	—	約 105 万		2025-04	Meta 公開 2025-⁠04 価格 — 長さ約 105 万
102〜128	GPT-4.1	OpenAI	評価 58.2 ±7.7	202504-14	¥310	¥1,300	約 105 万		2025-04	OpenAI 公開 2025-⁠04 価格 ¥310 / ¥1,300 長さ約 105 万
102〜128	GPT-4.1 mini	OpenAI	評価 56.7 ±7.4	202504-14	—	—	約 105 万		2025-04	OpenAI 公開 2025-⁠04 価格 — 長さ約 105 万
102〜129	Qwen3 32B⁠	Alibaba	評価 56.6 ±7.6	202608-28	¥110	¥440	約 13.1 万		2025-04	Alibaba 公開 2025-⁠04 価格 ¥110 / ¥440 長さ約 13.1 万
102〜130	Gemini 2.0 Pro (exp)	Google	評価 56.5 ±9.2	202502-07	—	—	約 210 万		2025-02	Google 公開 2025-⁠02 価格 — 長さ約 210 万
102〜129	QwQ Plus	Alibaba	評価 56.1 ±7.8	202504-11	¥130	¥380	約 13.1 万		2025-04	Alibaba 公開 2025-⁠04 価格 ¥130 / ¥380 長さ約 13.1 万
102〜129	QwQ 32B⁠	Alibaba	評価 56.0 ±7.7	202608-28	—	—	約 3.3 万		2025-03	Alibaba 公開 2025-⁠03 価格 — 長さ約 3.3 万
104〜133	DeepSeek-R1-Distill-Qwen-32B⁠	DeepSeek	評価 54.4 ±7.5	202608-28	—	—	約 3.3 万		2025-01	DeepSeek 公開 2025-⁠01 価格 — 長さ約 3.3 万
104〜133	Gemini 2.0 Flash	Google	評価 54.4 ±7.5	202502-06	—	—	—		2025-02	Google 公開 2025-⁠02 価格 — 長さ —
104〜135	Qwen3 14B⁠	Alibaba	評価 53.8 ±8.0	202608-28	¥55	¥220	約 13.1 万		2025-04	Alibaba 公開 2025-⁠04 価格 ¥55 / ¥220 長さ約 13.1 万
108〜138	o1-mini	OpenAI	評価 51.9 ±7.5	202502-13	—	—	12.8 万		2024-09	OpenAI 公開 2024-⁠09 価格 — 長さ 12.8 万
109〜139	Qwen3 30B A3B⁠	Alibaba	評価 50.9 ±8.1	202608-30	—	—	12.8 万		2025-04	Alibaba 公開 2025-⁠04 価格 — 長さ 12.8 万
111〜140	GPT-OSS 20B⁠	OpenAI	評価 49.7 ±6.8	202608-27	—	—	13.1 万		2025-08	OpenAI 公開 2025-⁠08 価格 — 長さ 13.1 万
111〜141	GLM-4.7 Flash⁠	Z.ai	評価 49.4 ±8.0	202608-30	—	—	約 20.3 万		2026-01	Z.ai 公開 2026-⁠01 価格 — 長さ約 20.3 万
114〜142	Mistral Medium 3	Mistral	評価 48.0 ±7.7	202505-07	¥63	¥310	12.8 万		2025-05	Mistral 公開 2025-⁠05 価格 ¥63 / ¥310 長さ 12.8 万
120〜145	Gemini 1.5 Pro 002	Google	評価 44.8 ±7.6	202501-27	—	—	—		2024-09	Google 公開 2024-⁠09 価格 — 長さ —
117〜151	Gemini 2.0 Flash (thinking, exp)	Google	評価 44.5 ±9.6	202502-06	—	—	—		2024-12	Google 公開 2024-⁠12 価格 — 長さ —
121〜148	Qwen3 8B⁠	Alibaba	評価 44.1 ±8.0	202608-27	¥28	¥110	約 13.1 万		2025-04	Alibaba 公開 2025-⁠04 価格 ¥28 / ¥110 長さ約 13.1 万
121〜148	DeepSeek-V3⁠	DeepSeek	評価 43.8 ±7.5	202501-27	—	—	12.8 万		2024-12	DeepSeek 公開 2024-⁠12 価格 — 長さ 12.8 万
123〜151	Qwen Max	Alibaba	評価 43.2 ±7.6	202504-01	—	—	12.8 万		2025-01	Alibaba 公開 2025-⁠01 価格 — 長さ 12.8 万
121〜159	Magistral Small⁠	Mistral	評価 43.1 ±9.6	202608-06	—	—	12.8 万		2025-06	Mistral 公開 2025-⁠06 価格 — 長さ 12.8 万
124〜150	Phi-4⁠	Microsoft	評価 43.1 ±7.1	202501-31	—	—	12.8 万		2024-12	Microsoft 公開 2024-⁠12 価格 — 長さ 12.8 万
123〜152	DeepSeek-R1-Distill-Llama-70B⁠	DeepSeek	評価 42.7 ±8.1	202503-10	—	—	約 3.3 万		2025-01	DeepSeek 公開 2025-⁠01 価格 — 長さ約 3.3 万
124〜152	Qwen3 30B A3B (instruct)⁠	Alibaba	評価 42.5 ±7.9	202608-30	—	—	約 13.1 万		2025-07	Alibaba 公開 2025-⁠07 価格 — 長さ約 13.1 万
124〜155	Claude 3.5 Sonnet (2024-⁠10)	Anthropic	評価 42.1 ±7.7	202501-27	—	—	20 万		2024-10	Anthropic 公開 2024-⁠10 価格 — 長さ 20 万
125〜161	Claude 3.5 Sonnet (2024-⁠06)	Anthropic	評価 40.3 ±7.5	202501-27	—	—	20 万		2024-06	Anthropic 公開 2024-⁠06 価格 — 長さ 20 万
126〜161	Grok 2 (2024-⁠12)	xAI	評価 40.0 ±7.4	202501-27	—	—	—		2024-12	xAI 公開 2024-⁠12 価格 — 長さ —
127〜166	Qwen3 4B⁠	Alibaba	評価 38.0 ±8.2	202608-28	—	—	—		2025-04	Alibaba 公開 2025-⁠04 価格 — 長さ —
128〜167	Llama 4 Scout⁠	Meta	評価 37.3 ±8.6	202504-08	—	—	12.8 万		2025-04	Meta 公開 2025-⁠04 価格 — 長さ 12.8 万
129〜166	Mistral Large (2024-⁠11)⁠	Mistral	評価 36.6 ±7.3	202502-25	—	—	12.8 万		2024-11	Mistral 公開 2024-⁠11 価格 — 長さ 12.8 万
129〜167	Llama 3.1 405B (instruct)⁠	Meta	評価 36.0 ±7.0	202501-27	—	—	—		2024-07	Meta 公開 2024-⁠07 価格 — 長さ —
129〜168	o1-preview	OpenAI	評価 35.2 ±7.7	202501-27	—	—	—		2024-09	OpenAI 公開 2024-⁠09 価格 — 長さ —
130〜170	GPT-4o (2024-⁠08)	OpenAI	評価 33.6 ±7.1	202501-27	¥390	¥1,600	12.8 万		2024-08	OpenAI 公開 2024-⁠08 価格 ¥390 / ¥1,600 長さ 12.8 万
130〜171	Qwen2.5 72B (instruct)⁠	Alibaba	評価 33.5 ±7.3	202501-27	—	—	12.8 万		2024-09	Alibaba 公開 2024-⁠09 価格 — 長さ 12.8 万
130〜171	Mistral Small 3.2⁠	Mistral	評価 33.4 ±7.5	202608-28	¥16	¥47	12.8 万		2025-06	Mistral 公開 2025-⁠06 価格 ¥16 / ¥47 長さ 12.8 万
132〜170	Mistral Large 2⁠	Mistral	評価 33.4 ±7.1	202501-27	—	—	約 13.1 万		2024-07	Mistral 公開 2024-⁠07 価格 — 長さ約 13.1 万
133〜170	GPT-4.1 nano	OpenAI	評価 33.2 ±6.8	202504-14	¥16	¥63	約 105 万		2025-04	OpenAI 公開 2025-⁠04 価格 ¥16 / ¥63 長さ約 105 万
132〜171	GPT-4o (2024-⁠05)	OpenAI	評価 33.2 ±7.1	202501-27	¥780	¥2,400	12.8 万		2024-05	OpenAI 公開 2024-⁠05 価格 ¥780 / ¥2,400 長さ 12.8 万
135〜172	Qwen Plus (2025-⁠01)	Alibaba	評価 32.1 ±7.4	202504-07	—	—	—		2025-01	Alibaba 公開 2025-⁠01 価格 — 長さ —
137〜172	GPT-4o (2024-⁠11)	OpenAI	評価 31.8 ±7.2	202502-05	¥390	¥1,600	12.8 万		2024-11	OpenAI 公開 2024-⁠11 価格 ¥390 / ¥1,600 長さ 12.8 万
137〜174	Gemma 3 27B⁠	Google	評価 31.6 ±7.3	202608-27	—	—	12.8 万		2025-03	Google 公開 2025-⁠03 価格 — 長さ 12.8 万
138〜174	Magistral Small 1.2⁠	Mistral	評価 31.4 ±7.1	202608-30	—	—	12.8 万		2025-09	Mistral 公開 2025-⁠09 価格 — 長さ 12.8 万
138〜176	Mistral Small 3.1⁠	Mistral	評価 31.2 ±7.5	202503-18	—	—	約 13.1 万		2025-03	Mistral 公開 2025-⁠03 価格 — 長さ約 13.1 万
137〜176	Llama 3.3 70B (instruct)⁠	Meta	評価 31.2 ±7.8	202501-27	—	—	約 13.1 万		2024-12	Meta 公開 2024-⁠12 価格 — 長さ約 13.1 万
138〜176	Gemini 1.5 Flash 002	Google	評価 31.0 ±7.6	202501-27	—	—	—		2024-09	Google 公開 2024-⁠09 価格 — 長さ —
138〜176	Mistral Small 3⁠	Mistral	評価 31.0 ±7.6	202608-30	—	—	約 3.3 万		2025-01	Mistral 公開 2025-⁠01 価格 — 長さ約 3.3 万
139〜176	Claude 3 Opus	Anthropic	評価 30.8 ±7.2	202501-27	—	—	—		2024-02	Anthropic 公開 2024-⁠02 価格 — 長さ —
139〜177	GPT-4 Turbo	OpenAI	評価 30.0 ±7.2	202502-27	—	—	—		2024-04	OpenAI 公開 2024-⁠04 価格 — 長さ —
141〜177	Llama 3.1 Tulu 3 70B DPO⁠	Ai2	評価 29.5 ±6.5	202501-27	—	—	—		2024-11	Ai2 公開 2024-⁠11 価格 — 長さ —
141〜177	Qwen2.5 32B (instruct)⁠	Alibaba	評価 29.3 ±7.1	202501-30	—	—	—		2024-09	Alibaba 公開 2024-⁠09 価格 — 長さ —
141〜177	Gemini 1.5 Pro 001	Google	評価 29.0 ±7.1	202501-27	—	—	—		2024-05	Google 公開 2024-⁠05 価格 — 長さ —
141〜178	Qwen3 4B (instruct)	Alibaba	評価 28.9 ±7.8	202608-28	—	—	—	—	2025-08	Alibaba 公開 2025-⁠08 価格 — 長さ —
141〜182	DeepSeek-R1-Distill-Qwen-14B⁠	DeepSeek	評価 27.4 ±7.8	202503-10	—	—	約 3.3 万		2025-01	DeepSeek 公開 2025-⁠01 価格 — 長さ約 3.3 万
143〜182	Llama 3.1 70B (instruct)⁠	Meta	評価 26.7 ±6.7	202501-27	—	—	12.8 万		2024-07	Meta 公開 2024-⁠07 価格 — 長さ 12.8 万
145〜182	WizardLM-2-⁠8x22B⁠	Microsoft	評価 25.6 ±6.3	202501-27	—	—	約 6.6 万		2024-04	Microsoft 公開 2024-⁠04 価格 — 長さ約 6.6 万
146〜184	GPT-4 Turbo (preview, 2023-⁠11)	OpenAI	評価 24.1 ±6.6	202501-27	—	—	—		2023-11	OpenAI 公開 2023-⁠11 価格 — 長さ —
146〜186	GPT-4 Turbo (preview, 2024-⁠01)	OpenAI	評価 24.0 ±7.3	202501-27	—	—	—		2024-01	OpenAI 公開 2024-⁠01 価格 — 長さ —
149〜186	Qwen Turbo	Alibaba	評価 23.3 ±7.1	202504-07	—	—	—		2024-11	Alibaba 公開 2024-⁠11 価格 — 長さ —
154〜187	Llama 3.2 90B Vision (instruct)⁠	Meta	評価 22.3 ±6.2	202501-27	—	—	1.6 万		2024-09	Meta 公開 2024-⁠09 価格 — 長さ 1.6 万
152〜188	Qwen2 72B (instruct)⁠	Alibaba	評価 21.9 ±7.0	202501-27	—	—	—		2024-06	Alibaba 公開 2024-⁠06 価格 — 長さ —
156〜188	Claude 3 Sonnet	Anthropic	評価 21.7 ±6.5	202501-27	—	—	—		2024-02	Anthropic 公開 2024-⁠02 価格 — 長さ —
154〜189	Llama 3 70B (instruct)⁠	Meta	評価 21.6 ±7.1	202501-27	—	—	約 0.8 万		2024-04	Meta 公開 2024-⁠04 価格 — 長さ約 0.8 万
156〜188	Gemini 1.5 Flash	Google	評価 21.4 ±6.5	202501-27	—	—	—		2024-05	Google 公開 2024-⁠05 価格 — 長さ —
161〜194	Gemma 3 12B⁠	Google	評価 20.1 ±6.9	202608-28	—	—	13.1 万		2025-03	Google 公開 2025-⁠03 価格 — 長さ 13.1 万
165〜194	Mistral Large (2024-⁠02)	Mistral	評価 19.1 ±6.7	202501-27	—	—	3.2 万		2024-02	Mistral 公開 2024-⁠02 価格 — 長さ 3.2 万
166〜195	Claude 3.5 Haiku	Anthropic	評価 18.2 ±7.2	202503-12	—	—	20 万		2024-10	Anthropic 公開 2024-⁠10 価格 — 長さ 20 万
166〜195	Qwen3 1.7B⁠	Alibaba	評価 18.1 ±7.5	202608-28	—	—	—		2025-04	Alibaba 公開 2025-⁠04 価格 — 長さ —
166〜195	GPT-4o mini	OpenAI	評価 17.7 ±6.6	202501-27	—	—	12.8 万		2024-07	OpenAI 公開 2024-⁠07 価格 — 長さ 12.8 万
166〜195	Hermes-2-Theta-Llama-3-⁠70B⁠	Nous Research	評価 17.3 ±6.8	202501-27	—	—	—		2024-06	Nous Research 公開 2024-⁠06 価格 — 長さ —
169〜198	Gemma 2 27B⁠	Google	評価 16.0 ±6.5	202501-27	—	—	約 0.8 万		2024-06	Google 公開 2024-⁠06 価格 — 長さ約 0.8 万
169〜198	Claude 3 Haiku	Anthropic	評価 15.7 ±6.6	202501-27	—	—	20 万		2024-03	Anthropic 公開 2024-⁠03 価格 — 長さ 20 万
170〜200	GPT-4 (2023-⁠03)	OpenAI	評価 14.9 ±6.4	202510-23	—	—	—		2023-03	OpenAI 公開 2023-⁠03 価格 — 長さ —
170〜200	Qwen2.5 7B (instruct)⁠	Alibaba	評価 14.6 ±6.2	202608-30	—	—	約 3.3 万		2024-09	Alibaba 公開 2024-⁠09 価格 — 長さ約 3.3 万
172〜201	Claude 2.0	Anthropic	評価 13.4 ±6.8	202501-27	—	—	—		2023-07	Anthropic 公開 2023-⁠07 価格 — 長さ —
176〜201	Open Mixtral 8x22B⁠	Mistral	評価 12.6 ±5.6	202501-27	—	—	—		2024-04	Mistral 公開 2024-⁠04 価格 — 長さ —
177〜201	Gemini 1.0 Pro 001	Google	評価 12.5 ±5.5	202501-27	—	—	—		2023-12	Google 公開 2023-⁠12 価格 — 長さ —
177〜201	Eurus-2-⁠7B-PRIME⁠	Tsinghua University	評価 12.4 ±5.7	202501-27	—	—	—		2024-12	Tsinghua University 公開 2024-⁠12 価格 — 長さ —
177〜202	DeepSeek-R1-Distill-Qwen-1.5B⁠	DeepSeek	評価 11.9 ±5.6	202608-28	—	—	約 3.3 万		2025-01	DeepSeek 公開 2025-⁠01 価格 — 長さ約 3.3 万
177〜207	Claude 2.1	Anthropic	評価 11.0 ±6.3	202501-27	—	—	—		2023-11	Anthropic 公開 2023-⁠11 価格 — 長さ —
177〜207	Gemini 1.5 Flash 8B 001	Google	評価 11.0 ±6.6	202503-12	—	—	—		2024-10	Google 公開 2024-⁠10 価格 — 長さ —
173〜210	DBRX (instruct)⁠	Databricks	評価 11.0 ±8.9	202501-27	—	—	—		2024-03	Databricks 公開 2024-⁠03 価格 — 長さ —
179〜208	Yi 1.5 34B (chat)⁠	01.AI	評価 9.7 ±5.4	202501-27	—	—	—		2024-05	01.AI 公開 2024-⁠05 価格 — 長さ —
183〜210	Qwen1.5 32B (chat)⁠	Alibaba	評価 8.0 ±5.5	202501-27	—	—	—		2024-04	Alibaba 公開 2024-⁠04 価格 — 長さ —
183〜211	GPT-4 (2023-⁠06)	OpenAI	評価 7.8 ±6.4	202501-27	—	—	—		2023-06	OpenAI 公開 2023-⁠06 価格 — 長さ —
183〜211	Mixtral 8x7B (instruct, v0.1)⁠	Mistral	評価 7.8 ±5.3	202501-27	—	—	3.2 万		2023-12	Mistral 公開 2023-⁠12 価格 — 長さ 3.2 万
185〜211	Open Mistral Nemo⁠	Mistral	評価 6.8 ±5.7	202501-27	—	—	—		2024-07	Mistral 公開 2024-⁠07 価格 — 長さ —
185〜211	Open Mixtral 8x7B⁠	Mistral	評価 6.7 ±5.2	202501-27	—	—	—		2023-12	Mistral 公開 2023-⁠12 価格 — 長さ —
187〜214	Qwen1.5 72B (chat)⁠	Alibaba	評価 5.3 ±5.4	202501-27	—	—	—		2024-02	Alibaba 公開 2024-⁠02 価格 — 長さ —
191〜215	Granite 4.0 Micro	IBM	評価 4.6 ±5.0	202608-30	—	—	13.1 万	—	2025-10	IBM 公開 2025-⁠10 価格 — 長さ 13.1 万
192〜215	GPT-3.5 Turbo (2023-⁠11)	OpenAI	評価 4.2 ±5.1	202501-27	—	—	約 1.6 万		2023-11	OpenAI 公開 2023-⁠11 価格 — 長さ約 1.6 万
192〜215	Phi-3 medium (128k, instruct)⁠	Microsoft	評価 3.6 ±4.4	202501-31	—	—	—		2024-04	Microsoft 公開 2024-⁠04 価格 — 長さ —
192〜215	Gemma 2 9B⁠	Google	評価 3.4 ±6.3	202501-27	—	—	—		2024-06	Google 公開 2024-⁠06 価格 — 長さ —
192〜215	GPT-3.5 Turbo (2024-⁠01)	OpenAI	評価 3.0 ±5.3	202501-27	—	—	約 1.6 万		2024-01	OpenAI 公開 2024-⁠01 価格 — 長さ約 1.6 万
192〜215	Ministral 8B⁠	Mistral	評価 3.0 ±5.7	202501-27	—	—	—		2024-10	Mistral 公開 2024-⁠10 価格 — 長さ —
194〜215	Llama 3.1 8B (instruct)⁠	Meta	評価 2.7 ±5.1	202608-27	—	—	12.8 万		2024-07	Meta 公開 2024-⁠07 価格 — 長さ 12.8 万
195〜215	Llama 2 70B (chat)⁠	Meta	評価 1.8 ±5.4	202501-27	—	—	—		2023-07	Meta 公開 2023-⁠07 価格 — 長さ —
195〜215	Llama 3 8B (instruct)⁠	Meta	評価 1.5 ±4.6	202501-27	—	—	—		2024-04	Meta 公開 2024-⁠04 価格 — 長さ —
197〜215	Ministral 3B	Mistral	評価 0.4 ±5.3	202501-27	—	—	—		2024-10	Mistral 公開 2024-⁠10 価格 — 長さ —
201〜215	DeepSeek LLM 67B (chat)⁠	DeepSeek	評価 0.0 ±3.7	202501-27	—	—	—		2023-11	DeepSeek 公開 2023-⁠11 価格 — 長さ —
201〜216	Granite 4.0 1B	IBM	評価 0.0 ±4.4	202608-28	—	—	—	—	2025-10	IBM 公開 2025-⁠10 価格 — 長さ —
201〜216	Llama 3.2 1B (instruct)⁠	Meta	評価 0.0 ±4.4	202608-30	—	—	6 万		2024-09	Meta 公開 2024-⁠09 価格 — 長さ 6 万
202〜216	Gemma 3 4B⁠	Google	評価 0.0 ±5.1	202608-28	—	—	13.1 万		2025-03	Google 公開 2025-⁠03 価格 — 長さ 13.1 万
213〜216	Gemma 3 1B⁠	Google	評価 0.0 ±4.1	202608-28	—	—	—		2025-03	Google 公開 2025-⁠03 価格 — 長さ —
217〜219	Mistral 7B (instruct, v0.3)⁠	Mistral	評価 0.0 ±2.8	202501-27	—	—	約 6.6 万		2024-05	Mistral 公開 2024-⁠05 価格 — 長さ約 6.6 万
217〜219	Yi 34B (chat)⁠	01.AI	評価 0.0 ±3.1	202501-27	—	—	—		2023-11	01.AI 公開 2023-⁠11 価格 — 長さ —
217〜220	Open Mistral 7B⁠	Mistral	評価 0.0 ±2.7	202501-27	—	—	—		2023-09	Mistral 公開 2023-⁠09 価格 — 長さ —
219〜221	Granite 4.0 350M	IBM	評価 0.0 ±2.5	202608-28	—	—	—	—	2025-10	IBM 公開 2025-⁠10 価格 — 長さ —
220〜221	DeepSeek-R1-⁠0528-Qwen3-⁠8B	DeepSeek	評価 0.0 ±2.9	202608-28	—	—	12.8 万	—	2025-05	DeepSeek 公開 2025-⁠05 価格 — 長さ 12.8 万

最高の正答率の推移

2023-03-14公開日2026-10-17

このページの読み方

値は正答率です。
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