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 | 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 位 | Claude Opus 5 | Anthropic | 評価 31.4 | ¥780 | ¥3,900 | 100 万 | Anthropic 公開 2026-07 価格 ¥780 / ¥3,900 長さ 100 万 | |||
| 2 位 | GPT-5.6 Sol | OpenAI | 評価 27.3 | ¥630 | ¥3,100 | 105 万 | OpenAI 公開 2026-07 価格 ¥630 / ¥3,100 長さ 105 万 | |||
| 3 位 | Claude Opus 4.8 | Anthropic | 評価 20.6 | ¥780 | ¥3,900 | 100 万 | Anthropic 公開 2026-05 価格 ¥780 / ¥3,900 長さ 100 万 | |||
| 4 位 | Claude Opus 4.7 | Anthropic | 評価 18.2 | ¥780 | ¥3,900 | 100 万 | Anthropic 公開 2026-04 価格 ¥780 / ¥3,900 長さ 100 万 | |||
| 5 位 | GPT-5.5 | OpenAI | 評価 13.0 | ¥780 | ¥4,700 | 105 万 | OpenAI 公開 2026-04 価格 ¥780 / ¥4,700 長さ 105 万 | |||
| 6 位 | Claude Sonnet 4.6 | Anthropic | 評価 9.3 | ¥470 | ¥2,400 | 100 万 | Anthropic 公開 2026-02 価格 ¥470 / ¥2,400 長さ 100 万 | |||
| 7〜8 | Kimi K2.6 | Moonshot | 評価 4.6 | ¥150 | ¥630 | 約 26.2 万 | Moonshot 公開 2026-04 価格 ¥150 / ¥630 長さ 約 26.2 万 | |||
| 7〜8 | MiniMax-M3 | MiniMax | 評価 4.6 | ¥47 | ¥190 | 約 105 万 | MiniMax 公開 2026-06 価格 ¥47 / ¥190 長さ 約 105 万 | |||
| 9 位 | Qwen3.7 Plus | Alibaba | 評価 2.8 | ¥63 | ¥250 | 100 万 | Alibaba 公開 2026-06 価格 ¥63 / ¥250 長さ 100 万 |
最高の成功率の推移
2026-02-17公開日2026-07-24
このページの読み方
- 値は作業を最後まで終えられた割合です。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