課題の成績

AIME を模した数学コンテスト問題 (OTIS Mock AIME 2024-2025)

数学の講座 OTIS の受講生が作った、米国の数学試験 AIME を模した非公式の模擬試験の問題です。

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。

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
1〜42	Claude Fable 5.1	Anthropic	評価 100.0 ±0.0	202609-01	¥1,600	¥7,800	100 万		2026-09	Anthropic 公開 2026-⁠09 価格 ¥1,600 / ¥7,800 長さ 100 万
1〜42	Claude Fable 5	Anthropic	評価 100.0 ±0.0	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
1〜42	Claude Opus 5.5	Anthropic	評価 100.0 ±0.0	202609-22	¥630	¥3,100	100 万		2026-09	Anthropic 公開 2026-⁠09 価格 ¥630 / ¥3,100 長さ 100 万
1〜42	Claude Sonnet 5.5	Anthropic	評価 100.0 ±0.0	202609-29	¥310	¥1,600	100 万		2026-09	Anthropic 公開 2026-⁠09 価格 ¥310 / ¥1,600 長さ 100 万
1〜42	Gemini 4 Argon	Google	評価 100.0 ±0.0	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
1〜42	GPT-5.5	OpenAI	評価 100.0 ±0.0	202604-24	¥780	¥4,700	105 万		2026-04	OpenAI 公開 2026-⁠04 価格 ¥780 / ¥4,700 長さ 105 万
1〜42	GPT-5.5 Pro	OpenAI	評価 100.0 ±0.0	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
1〜42	GPT-5.6 Sol	OpenAI	評価 100.0 ±0.0	202607-09	¥630	¥3,100	105 万		2026-07	OpenAI 公開 2026-⁠07 価格 ¥630 / ¥3,100 長さ 105 万
1〜42	GPT-6.1 Sol	OpenAI	評価 100.0 ±0.0	202609-29	¥310	¥1,600	105 万		2026-09	OpenAI 公開 2026-⁠09 価格 ¥310 / ¥1,600 長さ 105 万
1〜42	GPT-6 Astra	OpenAI	評価 100.0 ±0.0	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
1〜42	GPT-6 Sol	OpenAI	評価 100.0 ±0.0	202609-22	¥310	¥1,600	105 万		2026-09	OpenAI 公開 2026-⁠09 価格 ¥310 / ¥1,600 長さ 105 万
1〜42	Qwen3.8 Max (2026-⁠09)	Alibaba	評価 100.0 ±0.0	202609-02	—	—	100 万		2026-09	Alibaba 公開 2026-⁠09 価格 — 長さ 100 万
1〜45	GPT-5.6 Terra	OpenAI	評価 99.7 ±0.5	202607-09	¥310	¥1,900	105 万		2026-07	OpenAI 公開 2026-⁠07 価格 ¥310 / ¥1,900 長さ 105 万
1〜50	DeepSeek-V4.1 Flash (2026-⁠10)⁠	DeepSeek	評価 99.4 ±0.8	202610-19	¥24	¥94	100 万		2026-10	DeepSeek 公開 2026-⁠10 価格 ¥24 / ¥94 長さ 100 万
1〜50	Muse Wonder	Meta	評価 99.4 ±0.8	202610-12	¥630	¥3,100	約 105 万		2026-10	Meta 公開 2026-⁠10 価格 ¥630 / ¥3,100 長さ約 105 万
1〜50	Qwen3.8 Max	Alibaba	評価 99.4 ±0.8	202608-04	¥310	¥940	100 万		2026-08	Alibaba 公開 2026-⁠08 価格 ¥310 / ¥940 長さ 100 万
1〜52	Grok 4.6	xAI	評価 99.2 ±0.9	202608-14	¥310	¥940	50 万		2026-08	xAI 公開 2026-⁠08 価格 ¥310 / ¥940 長さ 50 万
1〜52	Muse Spark 1.3	Meta	評価 99.2 ±1.2	202609-17	¥200	¥670	約 105 万		2026-09	Meta 公開 2026-⁠09 価格 ¥200 / ¥670 長さ約 105 万
13〜52	Claude Haiku 5.5	Anthropic	評価 98.9 ±1.1	202610-07	¥16	¥78	100 万		2026-10	Anthropic 公開 2026-⁠10 価格 ¥16 / ¥78 長さ 100 万
1〜54	Claude Opus 5	Anthropic	評価 98.9 ±2.2	202607-24	¥780	¥3,900	100 万		2026-07	Anthropic 公開 2026-⁠07 価格 ¥780 / ¥3,900 長さ 100 万
1〜52	Gemini 3.8 Flash	Google	評価 98.9 ±1.7	202609-02	¥120	¥590	約 105 万		2026-09	Google 公開 2026-⁠09 価格 ¥120 / ¥590 長さ約 105 万
1〜52	GPT-6 Luna	OpenAI	評価 98.9 ±1.3	202609-22	¥16	¥78	105 万		2026-09	OpenAI 公開 2026-⁠09 価格 ¥16 / ¥78 長さ 105 万
1〜56	DeepSeek-V4 Pro (2026-⁠08)⁠	DeepSeek	評価 98.6 ±1.9	202608-18	¥100	¥310	100 万		2026-08	DeepSeek 公開 2026-⁠08 価格 ¥100 / ¥310 長さ 100 万
1〜61	Claude Opus 4.8	Anthropic	評価 98.3 ±2.8	202606-07	¥780	¥3,900	100 万		2026-05	Anthropic 公開 2026-⁠05 価格 ¥780 / ¥3,900 長さ 100 万
14〜56	DeepSeek-V4.1 Flash⁠	DeepSeek	評価 98.3 ±1.3	202610-08	—	—	100 万		2026-09	DeepSeek 公開 2026-⁠09 価格 — 長さ 100 万
1〜60	GPT-5.6 Luna	OpenAI	評価 98.3 ±2.3	202607-09	¥31	¥190	105 万		2026-07	OpenAI 公開 2026-⁠07 価格 ¥31 / ¥190 長さ 105 万
14〜56	Mistral Large 4	Mistral	評価 98.3 ±1.3	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
1〜63	Grok 4.7	xAI	評価 98.1 ±2.8	202609-22	¥310	¥940	50 万		2026-09	xAI 公開 2026-⁠09 価格 ¥310 / ¥940 長さ 50 万
1〜62	Muse Spark Open⁠	Meta	評価 98.1 ±2.5	202610-15	—	—	104 万		2026-10	Meta 公開 2026-⁠10 価格 — 長さ 104 万
1〜63	Claude Opus 4.7	Anthropic	評価 97.8 ±4.3	202604-17	¥780	¥3,900	100 万		2026-04	Anthropic 公開 2026-⁠04 価格 ¥780 / ¥3,900 長さ 100 万
1〜63	GPT-5.4	OpenAI	評価 97.8 ±4.4	202607-15	¥390	¥2,400	105 万		2026-03	OpenAI 公開 2026-⁠03 価格 ¥390 / ¥2,400 長さ 105 万
1〜63	Grok 4.5	xAI	評価 97.8 ±2.5	202607-08	¥310	¥940	50 万		2026-07	xAI 公開 2026-⁠07 価格 ¥310 / ¥940 長さ 50 万
1〜70	Gemini 3.7 Flash	Google	評価 97.2 ±3.6	202608-14	¥120	¥590	約 105 万		2026-08	Google 公開 2026-⁠08 価格 ¥120 / ¥590 長さ約 105 万
14〜63	Kimi K3⁠	Moonshot	評価 97.2 ±2.2	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
1〜71	DeepSeek-V4 Pro⁠	DeepSeek	評価 96.7 ±3.9	202606-17	¥100	¥310	100 万		2026-04	DeepSeek 公開 2026-⁠04 価格 ¥100 / ¥310 長さ 100 万
1〜76	GPT-5.2	OpenAI	評価 96.1 ±5.1	202512-11	¥270	¥2,200	40 万		2025-12	OpenAI 公開 2025-⁠12 価格 ¥270 / ¥2,200 長さ 40 万
1〜76	Kimi K2.6⁠	Moonshot	評価 96.1 ±4.7	202605-02	¥150	¥630	約 26.2 万		2026-04	Moonshot 公開 2026-⁠04 価格 ¥150 / ¥630 長さ約 26.2 万
1〜79	Gemini 3.1 Pro (preview)	Google	評価 95.6 ±6.1	202602-20	¥310	¥1,900	約 105 万		2026-02	Google 公開 2026-⁠02 価格 ¥310 / ¥1,900 長さ約 105 万
1〜79	Gemini 3.5 Flash	Google	評価 95.6 ±5.2	202605-25	¥240	¥1,400	約 105 万		2026-05	Google 公開 2026-⁠05 価格 ¥240 / ¥1,400 長さ約 105 万
1〜79	Gemini 3 Flash (preview)	Google	評価 95.6 ±6.1	202608-06	¥78	¥470	100 万		2025-12	Google 公開 2025-⁠12 価格 ¥78 / ¥470 長さ 100 万
1〜79	Kimi K2.7 Code⁠	Moonshot	評価 95.6 ±6.1	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
1〜79	Qwen3.7 Max	Alibaba	評価 95.6 ±6.1	202608-07	¥390	¥1,200	100 万		2026-05	Alibaba 公開 2026-⁠05 価格 ¥390 / ¥1,200 長さ 100 万
17〜80	Claude Sonnet 5	Anthropic	評価 94.7 ±4.4	202607-01	¥310	¥1,600	100 万		2026-06	Anthropic 公開 2026-⁠06 価格 ¥310 / ¥1,600 長さ 100 万
13〜82	Claude Opus 4.6	Anthropic	評価 94.4 ±5.5	202602-06	¥780	¥3,900	100 万		2026-02	Anthropic 公開 2026-⁠02 価格 ¥780 / ¥3,900 長さ 100 万
22〜81	DeepSeek-V4 Flash (2026-⁠07)⁠	DeepSeek	評価 94.4 ±4.1	202608-02	—	—	100 万		2026-07	DeepSeek 公開 2026-⁠07 価格 — 長さ 100 万
1〜84	Gemini 3.6 Flash	Google	評価 94.2 ±6.1	202608-02	¥120	¥590	約 105 万		2026-07	Google 公開 2026-⁠07 価格 ¥120 / ¥590 長さ約 105 万
26〜82	GLM-5.3 Flash⁠	Z.ai	評価 93.9 ±4.2	202608-26	¥24	¥78	100 万		2026-08	Z.ai 公開 2026-⁠08 価格 ¥24 / ¥78 長さ 100 万
1〜87	GLM-5.1⁠	Z.ai	評価 93.3 ±7.4	202608-10	¥220	¥690	20 万		2026-04	Z.ai 公開 2026-⁠04 価格 ¥220 / ¥690 長さ 20 万
17〜84	Grok 4.3	xAI	評価 93.3 ±6.0	202606-17	¥200	¥390	100 万		2026-04	xAI 公開 2026-⁠04 価格 ¥200 / ¥390 長さ 100 万
1〜87	Qwen3.6 Plus	Alibaba	評価 93.3 ±7.4	202608-07	¥78	¥470	100 万		2026-03	Alibaba 公開 2026-⁠03 価格 ¥78 / ¥470 長さ 100 万
1〜87	Qwen3.7 Plus	Alibaba	評価 93.3 ±7.4	202608-07	¥63	¥250	100 万		2026-06	Alibaba 公開 2026-⁠06 価格 ¥63 / ¥250 長さ 100 万
22〜88	Grok 4.20 Reasoning	xAI	評価 92.2 ±6.4	202607-13	¥200	¥390	200 万		2026-02	xAI 公開 2026-⁠02 価格 ¥200 / ¥390 長さ 200 万
13〜90	Kimi K2.5⁠	Moonshot	評価 92.2 ±7.7	202602-02	—	—	約 26.2 万		2026-01	Moonshot 公開 2026-⁠01 価格 — 長さ約 26.2 万
23〜90	Gemini 3 Pro (preview)	Google	評価 91.4 ±7.2	202511-19	—	—	100 万		2025-11	Google 公開 2025-⁠11 価格 — 長さ 100 万
23〜90	GPT-5	OpenAI	評価 91.4 ±7.2	202510-29	¥200	¥1,600	40 万		2025-08	OpenAI 公開 2025-⁠08 価格 ¥200 / ¥1,600 長さ 40 万
27〜90	GLM-5.3⁠	Z.ai	評価 91.1 ±6.8	202608-24	¥220	¥690	100 万		2026-08	Z.ai 公開 2026-⁠08 価格 ¥220 / ¥690 長さ 100 万
14〜90	Qwen3.6 27B⁠	Alibaba	評価 91.1 ±8.4	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
14〜90	Qwen3.6 Max (preview)	Alibaba	評価 91.1 ±8.4	202608-07	¥200	¥1,200	24 万		2026-04	Alibaba 公開 2026-⁠04 価格 ¥200 / ¥1,200 長さ 24 万
28〜90	Inkling Small⁠	Thinking Machines	評価 90.0 ±7.8	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
26〜93	Muse Spark	Meta	評価 88.9 ±9.2	202604-08	—	—	—		2026-04	Meta 公開 2026-⁠04 価格 — 長さ —
26〜93	GPT-5.4 mini	OpenAI	評価 88.9 ±9.3	202608-07	¥120	¥710	40 万		2026-03	OpenAI 公開 2026-⁠03 価格 ¥120 / ¥710 長さ 40 万
34〜91	Inkling⁠	Thinking Machines	評価 88.9 ±7.7	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
29〜93	GPT-OSS 120B⁠	OpenAI	評価 88.9 ±8.8	202512-11	—	—	12.8 万		2025-08	OpenAI 公開 2025-⁠08 価格 — 長さ 12.8 万
26〜93	Qwen3.5 397B A17B⁠	Alibaba	評価 88.9 ±9.3	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
34〜93	GPT-5.1	OpenAI	評価 88.6 ±7.9	202511-13	¥200	¥1,600	40 万		2025-11	OpenAI 公開 2025-⁠11 価格 ¥200 / ¥1,600 長さ 40 万
35〜93	DeepSeek-V3.2⁠	DeepSeek	評価 87.8 ±8.1	202512-16	—	—	12.8 万		2025-12	DeepSeek 公開 2025-⁠12 価格 — 長さ 12.8 万
36〜93	GPT-5.4 nano	OpenAI	評価 87.8 ±7.7	202604-14	¥31	¥200	40 万		2026-03	OpenAI 公開 2026-⁠03 価格 ¥31 / ¥200 長さ 40 万
36〜98	GPT-5 mini	OpenAI	評価 86.7 ±8.4	202510-30	¥39	¥310	40 万		2025-08	OpenAI 公開 2025-⁠08 価格 ¥39 / ¥310 長さ 40 万
34〜98	NVIDIA Nemotron 3 Ultra⁠	NVIDIA	評価 86.7 ±10.1	202608-10	—	—	約 13.1 万		2026-06	NVIDIA 公開 2026-⁠06 価格 — 長さ約 13.1 万
34〜98	Qwen3 235B A22B (thinking)⁠	Alibaba	評価 86.7 ±10.1	202512-10	—	—	約 26.2 万		2025-07	Alibaba 公開 2025-⁠07 価格 — 長さ約 26.2 万
34〜98	Qwen3.5 Plus	Alibaba	評価 86.7 ±10.1	202608-07	¥63	¥380	100 万		2026-02	Alibaba 公開 2026-⁠02 価格 ¥63 / ¥380 長さ 100 万
34〜98	Qwen3.6 35B A3B⁠	Alibaba	評価 86.7 ±10.1	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
34〜98	Qwen3.7 Flash	Alibaba	評価 86.7 ±10.1	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
38〜98	GLM-5.2⁠	Z.ai	評価 86.4 ±8.3	202606-25	¥220	¥690	100 万		2026-06	Z.ai 公開 2026-⁠06 価格 ¥220 / ¥690 長さ 100 万
38〜98	Claude Opus 4.5	Anthropic	評価 86.1 ±8.4	202511-24	¥780	¥3,900	20 万		2025-11	Anthropic 公開 2025-⁠11 価格 ¥780 / ¥3,900 長さ 20 万
38〜98	Claude Sonnet 4.6	Anthropic	評価 85.8 ±8.9	202602-20	¥470	¥2,400	100 万		2026-02	Anthropic 公開 2026-⁠02 価格 ¥470 / ¥2,400 長さ 100 万
36〜102	o3	OpenAI	評価 84.4 ±10.7	202608-07	¥310	¥1,300	20 万		2025-04	OpenAI 公開 2025-⁠04 価格 ¥310 / ¥1,300 長さ 20 万
36〜102	Qwen3.5 Flash	Alibaba	評価 84.4 ±10.7	202608-07	¥16	¥63	100 万		2026-02	Alibaba 公開 2026-⁠02 価格 ¥16 / ¥63 長さ 100 万
36〜102	Qwen3.6 Flash	Alibaba	評価 84.4 ±10.7	202608-07	¥39	¥240	100 万		2026-04	Alibaba 公開 2026-⁠04 価格 ¥39 / ¥240 長さ 100 万
44〜102	Gemini 2.5 Pro	Google	評価 84.2 ±9.4	202511-16	¥200	¥1,600	100 万		2025-06	Google 公開 2025-⁠06 価格 ¥200 / ¥1,600 長さ 100 万
43〜102	Grok 4	xAI	評価 84.0 ±9.8	—	—	—	25.6 万		2025-07	xAI 公開 2025-⁠07 価格 — 長さ 25.6 万
47〜104	GLM-4.7⁠	Z.ai	評価 83.3 ±9.4	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
47〜105	Kimi K2 Thinking Turbo⁠	Moonshot	評価 83.0 ±9.5	202511-13	—	—	—		2025-11	Moonshot 公開 2025-⁠11 価格 — 長さ —
45〜108	Gemma 4 26B A4B⁠	Google	評価 82.2 ±11.3	202608-28	¥24	¥94	約 26.2 万		2026-04	Google 公開 2026-⁠04 価格 ¥24 / ¥94 長さ約 26.2 万
49〜106	o4-mini	OpenAI	評価 81.6 ±9.2	202504-16	¥170	¥690	20 万		2025-04	OpenAI 公開 2025-⁠04 価格 ¥170 / ¥690 長さ 20 万
52〜108	GPT-5 nano	OpenAI	評価 81.1 ±9.1	202510-31	¥7.8	¥63	40 万		2025-08	OpenAI 公開 2025-⁠08 価格 ¥7.8 / ¥63 長さ 40 万
49〜110	Gemini 3.1 Flash-Lite	Google	評価 80.0 ±11.8	202608-06	¥39	¥240	約 105 万		2026-03	Google 公開 2026-⁠03 価格 ¥39 / ¥240 長さ約 105 万
49〜110	GLM-5⁠	Z.ai	評価 80.0 ±11.8	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
53〜113	Claude Sonnet 4.5	Anthropic	評価 77.8 ±12.3	202510-21	¥470	¥2,400	20 万		2025-09	Anthropic 公開 2025-⁠09 価格 ¥470 / ¥2,400 長さ 20 万
53〜113	Grok 3 Mini (beta)	xAI	評価 77.8 ±12.3	202504-10	—	—	—		2025-04	xAI 公開 2025-⁠04 価格 — 長さ —
60〜113	o3-mini	OpenAI	評価 76.9 ±10.3	202502-27	¥170	¥690	20 万		2025-01	OpenAI 公開 2025-⁠01 価格 ¥170 / ¥690 長さ 20 万
61〜121	Gemma 4 31B⁠	Google	評価 73.3 ±13.1	202608-06	—	—	約 26.2 万		2026-04	Google 公開 2026-⁠04 価格 — 長さ約 26.2 万
61〜121	o1	OpenAI	評価 73.3 ±13.1	202607-15	¥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
68〜118	Qwen3 Max (instruct)	Alibaba	評価 73.3 ±11.6	202510-06	—	—	約 25.8 万		2025-09	Alibaba 公開 2025-⁠09 価格 — 長さ約 25.8 万
68〜118	Gemini 2.5 Flash (preview, 2025-⁠04)	Google	評価 73.0 ±10.9	202504-22	—	—	約 105 万		2025-04	Google 公開 2025-⁠04 価格 — 長さ約 105 万
68〜122	Claude Sonnet 4	Anthropic	評価 71.1 ±13.4	202505-22	—	—	20 万		2025-05	Anthropic 公開 2025-⁠05 価格 — 長さ 20 万
68〜122	Gemini 3.5 Flash-Lite	Google	評価 71.1 ±13.4	202608-06	¥47	¥390	約 105 万		2026-07	Google 公開 2026-⁠07 価格 ¥47 / ¥390 長さ約 105 万
68〜122	MiniMax-M3⁠	MiniMax	評価 71.1 ±13.4	202608-10	¥47	¥190	約 105 万		2026-06	MiniMax 公開 2026-⁠06 価格 ¥47 / ¥190 長さ約 105 万
77〜122	Gemini 2.5 Flash (preview, 2025-⁠05)	Google	評価 70.8 ±11.2	202505-20	—	—	約 105 万		2025-05	Google 公開 2025-⁠05 価格 — 長さ約 105 万
77〜122	Qwen3 30B A3B (thinking)⁠	Alibaba	評価 70.2 ±11.9	202608-30	—	—	約 26.2 万		2025-07	Alibaba 公開 2025-⁠07 価格 — 長さ約 26.2 万
77〜122	Qwen3.5 35B A3B⁠	Alibaba	評価 70.0 ±11.8	202608-30	¥39	¥310	約 26.2 万		2026-02	Alibaba 公開 2026-⁠02 価格 ¥39 / ¥310 長さ約 26.2 万
77〜125	Claude Opus 4.1	Anthropic	評価 68.9 ±13.7	202508-05	—	—	20 万		2025-08	Anthropic 公開 2025-⁠08 価格 — 長さ 20 万
82〜124	GPT-5.5 Instant	OpenAI	評価 68.0 ±12.2	202608-02	—	—	—		2026-05	OpenAI 公開 2026-⁠05 価格 — 長さ —
83〜126	Seed-OSS 36B (instruct)	ByteDance	評価 67.5 ±12.4	202608-28	—	—	26.2 万	—	2025-08	ByteDance 公開 2025-⁠08 価格 — 長さ 26.2 万
84〜126	Qwen3 32B⁠	Alibaba	評価 66.9 ±11.9	202608-30	¥110	¥440	約 13.1 万		2025-04	Alibaba 公開 2025-⁠04 価格 ¥110 / ¥440 長さ約 13.1 万
82〜126	Claude Haiku 4.5	Anthropic	評価 66.6 ±13.9	202510-22	¥160	¥780	20 万		2025-10	Anthropic 公開 2025-⁠10 価格 ¥160 / ¥780 長さ 20 万
87〜125	DeepSeek-R1 (2025-⁠05)⁠	DeepSeek	評価 66.4 ±9.6	202505-29	—	—	約 13.1 万		2025-05	DeepSeek 公開 2025-⁠05 価格 — 長さ約 13.1 万
85〜126	Qwen3 14B⁠	Alibaba	評価 66.4 ±12.1	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
87〜126	GPT-OSS 20B⁠	OpenAI	評価 65.2 ±11.6	202608-27	—	—	13.1 万		2025-08	OpenAI 公開 2025-⁠08 価格 — 長さ 13.1 万
85〜127	Claude Opus 4	Anthropic	評価 64.4 ±14.2	202505-28	—	—	20 万		2025-05	Anthropic 公開 2025-⁠05 価格 — 長さ 20 万
89〜127	Qwen3 30B A3B⁠	Alibaba	評価 62.7 ±12.2	202608-28	—	—	12.8 万		2025-04	Alibaba 公開 2025-⁠04 価格 — 長さ 12.8 万
89〜129	Qwen3 30B A3B (instruct)⁠	Alibaba	評価 62.2 ±12.8	202608-30	—	—	約 13.1 万		2025-07	Alibaba 公開 2025-⁠07 価格 — 長さ約 13.1 万
89〜127	Qwen3.5 9B⁠	Alibaba	評価 61.6 ±11.8	202608-27	—	—	26.2 万		2026-02	Alibaba 公開 2026-⁠02 価格 — 長さ 26.2 万
92〜129	QwQ 32B⁠	Alibaba	評価 59.1 ±12.5	202608-28	—	—	約 3.3 万		2025-03	Alibaba 公開 2025-⁠03 価格 — 長さ約 3.3 万
92〜129	GLM-4.7 Flash⁠	Z.ai	評価 58.3 ±12.9	202608-30	—	—	約 20.3 万		2026-01	Z.ai 公開 2026-⁠01 価格 — 長さ約 20.3 万
92〜130	Claude 3.7 Sonnet	Anthropic	評価 57.7 ±14.6	202503-13	—	—	20 万		2025-02	Anthropic 公開 2025-⁠02 価格 — 長さ 20 万
92〜130	Gemini 2.0 Flash (thinking, exp)	Google	評価 57.7 ±14.6	202503-07	—	—	—		2024-12	Google 公開 2024-⁠12 価格 — 長さ —
94〜130	Qwen3 8B⁠	Alibaba	評価 56.1 ±12.7	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
94〜130	Qwen3.5 4B⁠	Alibaba	評価 55.8 ±12.1	202608-28	—	—	約 26.2 万		2026-02	Alibaba 公開 2026-⁠02 価格 — 長さ約 26.2 万
94〜131	DeepSeek-R1-Distill-Qwen-32B⁠	DeepSeek	評価 55.5 ±12.2	202608-28	—	—	約 3.3 万		2025-01	DeepSeek 公開 2025-⁠01 価格 — 長さ約 3.3 万
92〜132	Grok 3 (beta)	xAI	評価 55.5 ±14.7	202504-10	—	—	—		2025-04	xAI 公開 2025-⁠04 価格 — 長さ —
96〜132	DeepSeek-R1⁠	DeepSeek	評価 53.3 ±14.8	202502-26	—	—	12.8 万		2025-01	DeepSeek 公開 2025-⁠01 価格 — 長さ 12.8 万
102〜132	Qwen3 4B (instruct)	Alibaba	評価 52.2 ±12.9	202608-28	—	—	—	—	2025-08	Alibaba 公開 2025-⁠08 価格 — 長さ —
102〜132	DeepSeek-R1-Distill-Llama-70B⁠	DeepSeek	評価 51.3 ±11.9	202503-07	—	—	約 3.3 万		2025-01	DeepSeek 公開 2025-⁠01 価格 — 長さ約 3.3 万
105〜132	DeepSeek-R1-Distill-Qwen-14B⁠	DeepSeek	評価 50.5 ±11.7	202608-28	—	—	約 3.3 万		2025-01	DeepSeek 公開 2025-⁠01 価格 — 長さ約 3.3 万
103〜136	DeepSeek Chat (API)⁠	DeepSeek	評価 48.8 ±14.8	202607-16	—	—	100 万		2025-12	DeepSeek 公開 2025-⁠12 価格 — 長さ 100 万
110〜137	o1-mini	OpenAI	評価 46.9 ±12.7	202503-06	—	—	12.8 万		2024-09	OpenAI 公開 2024-⁠09 価格 — 長さ 12.8 万
113〜138	GPT-4.1 mini	OpenAI	評価 44.7 ±12.1	202504-14	—	—	約 105 万		2025-04	OpenAI 公開 2025-⁠04 価格 — 長さ約 105 万
113〜139	DeepSeek-R1-⁠0528-Qwen3-⁠8B	DeepSeek	評価 43.8 ±13.3	202608-28	—	—	12.8 万	—	2025-05	DeepSeek 公開 2025-⁠05 価格 — 長さ 12.8 万
120〜141	GPT-4.1	OpenAI	評価 38.3 ±12.4	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
121〜141	DeepSeek-V3 (2025-⁠03)⁠	DeepSeek	評価 37.7 ±12.2	202504-01	—	—	約 16.4 万		2025-03	DeepSeek 公開 2025-⁠03 価格 — 長さ約 16.4 万
116〜143	GPT-4.5 (preview)	OpenAI	評価 37.7 ±14.3	202502-28	—	—	—		2025-02	OpenAI 公開 2025-⁠02 価格 — 長さ —
126〜144	Mistral Medium 3	Mistral	評価 32.2 ±11.7	202505-07	¥63	¥310	12.8 万		2025-05	Mistral 公開 2025-⁠05 価格 ¥63 / ¥310 長さ 12.8 万
126〜145	Gemini 2.0 Flash	Google	評価 31.0 ±12.4	202502-25	—	—	—		2025-02	Google 公開 2025-⁠02 価格 — 長さ —
126〜148	o1-preview	OpenAI	評価 31.0 ±13.7	202503-07	—	—	—		2024-09	OpenAI 公開 2024-⁠09 価格 — 長さ —
126〜145	Mistral Small 3.2⁠	Mistral	評価 30.2 ±11.3	202608-30	¥16	¥47	12.8 万		2025-06	Mistral 公開 2025-⁠06 価格 ¥16 / ¥47 長さ 12.8 万
127〜148	Magistral Small⁠	Mistral	評価 29.9 ±11.6	202608-06	—	—	12.8 万		2025-06	Mistral 公開 2025-⁠06 価格 — 長さ 12.8 万
128〜148	GPT-4.1 nano	OpenAI	評価 28.8 ±11.7	202504-14	¥16	¥63	約 105 万		2025-04	OpenAI 公開 2025-⁠04 価格 ¥16 / ¥63 長さ約 105 万
129〜148	Magistral Small 1.2⁠	Mistral	評価 28.0 ±10.9	202608-30	—	—	12.8 万		2025-09	Mistral 公開 2025-⁠09 価格 — 長さ 12.8 万
130〜150	Gemini 1.5 Pro 002	Google	評価 23.0 ±10.2	202502-25	—	—	—		2024-09	Google 公開 2024-⁠09 価格 — 長さ —
130〜150	Gemma 3 27B⁠	Google	評価 22.4 ±10.4	202608-27	—	—	12.8 万		2025-03	Google 公開 2025-⁠03 価格 — 長さ 12.8 万
132〜151	DeepSeek-R1-Distill-Qwen-1.5B⁠	DeepSeek	評価 21.3 ±10.4	202608-28	—	—	約 3.3 万		2025-01	DeepSeek 公開 2025-⁠01 価格 — 長さ約 3.3 万
132〜151	Llama 4 Maverick (FP8)⁠	Meta	評価 20.5 ±9.7	202504-08	—	—	約 105 万		2025-04	Meta 公開 2025-⁠04 価格 — 長さ約 105 万
133〜156	Qwen Plus (2025-⁠01)	Alibaba	評価 17.7 ±8.6	202504-07	—	—	—		2025-01	Alibaba 公開 2025-⁠01 価格 — 長さ —
134〜160	Gemma 3 12B⁠	Google	評価 16.6 ±8.3	202608-28	—	—	13.1 万		2025-03	Google 公開 2025-⁠03 価格 — 長さ 13.1 万
136〜161	Gemini 1.5 Flash 002	Google	評価 16.2 ±8.1	202502-25	—	—	—		2024-09	Google 公開 2024-⁠09 価格 — 長さ —
136〜161	Qwen Max	Alibaba	評価 16.0 ±8.0	202504-01	—	—	12.8 万		2025-01	Alibaba 公開 2025-⁠01 価格 — 長さ 12.8 万
136〜167	DeepSeek-V3⁠	DeepSeek	評価 15.7 ±8.5	202502-25	—	—	12.8 万		2024-12	DeepSeek 公開 2024-⁠12 価格 — 長さ 12.8 万
140〜169	Phi-4⁠	Microsoft	評価 13.7 ±7.3	202502-25	—	—	12.8 万		2024-12	Microsoft 公開 2024-⁠12 価格 — 長さ 12.8 万
140〜175	Grok 2 (2024-⁠12)	xAI	評価 11.4 ±6.6	202502-25	—	—	—		2024-12	xAI 公開 2024-⁠12 価格 — 長さ —
142〜179	Llama 3.1 405B (instruct)⁠	Meta	評価 9.6 ±6.3	202502-25	—	—	—		2024-07	Meta 公開 2024-⁠07 価格 — 長さ —
144〜180	Claude 3.5 Sonnet (2024-⁠10)	Anthropic	評価 8.4 ±5.2	202502-25	—	—	20 万		2024-10	Anthropic 公開 2024-⁠10 価格 — 長さ 20 万
144〜179	Mistral Large 2⁠	Mistral	評価 8.4 ±4.9	202502-25	—	—	約 13.1 万		2024-07	Mistral 公開 2024-⁠07 価格 — 長さ約 13.1 万
144〜183	Qwen2.5 72B (instruct)⁠	Alibaba	評価 8.0 ±5.1	202502-25	—	—	12.8 万		2024-09	Alibaba 公開 2024-⁠09 価格 — 長さ 12.8 万
144〜184	Qwen3 1.7B⁠	Alibaba	評価 8.0 ±5.5	202608-28	—	—	—		2025-04	Alibaba 公開 2025-⁠04 価格 — 長さ —
144〜189	Llama 4 Scout⁠	Meta	評価 7.7 ±5.9	202504-08	—	—	12.8 万		2025-04	Meta 公開 2025-⁠04 価格 — 長さ 12.8 万
145〜183	Mistral Large (2024-⁠11)⁠	Mistral	評価 7.7 ±4.8	202502-25	—	—	12.8 万		2024-11	Mistral 公開 2024-⁠11 価格 — 長さ 12.8 万
145〜187	Gemma 3 4B⁠	Google	評価 7.4 ±5.4	202608-28	—	—	13.1 万		2025-03	Google 公開 2025-⁠03 価格 — 長さ 13.1 万
145〜181	Qwen2.5 32B (instruct)⁠	Alibaba	評価 7.3 ±4.2	202502-25	—	—	—		2024-09	Alibaba 公開 2024-⁠09 価格 — 長さ —
145〜190	GPT-4o mini	OpenAI	評価 6.9 ±5.4	202507-30	—	—	12.8 万		2024-07	OpenAI 公開 2024-⁠07 価格 — 長さ 12.8 万
148〜182	Gemini 1.5 Pro 001	Google	評価 6.7 ±3.7	202502-25	—	—	—		2024-05	Google 公開 2024-⁠05 価格 — 長さ —
148〜189	GPT-4 Turbo	OpenAI	評価 6.6 ±4.7	202502-27	—	—	—		2024-04	OpenAI 公開 2024-⁠04 価格 — 長さ —
146〜190	Mistral Small 3⁠	Mistral	評価 6.6 ±5.3	202608-30	—	—	約 3.3 万		2025-01	Mistral 公開 2025-⁠01 価格 — 長さ約 3.3 万
148〜187	Claude 3.5 Sonnet (2024-⁠06)	Anthropic	評価 6.4 ±4.4	202502-25	—	—	20 万		2024-06	Anthropic 公開 2024-⁠06 価格 — 長さ 20 万
148〜190	GPT-4o (2024-⁠08)	OpenAI	評価 6.3 ±5.0	202502-25	¥390	¥1,600	12.8 万		2024-08	OpenAI 公開 2024-⁠08 価格 ¥390 / ¥1,600 長さ 12.8 万
148〜190	GPT-4o (2024-⁠05)	OpenAI	評価 6.2 ±4.6	202502-25	¥780	¥2,400	12.8 万		2024-05	OpenAI 公開 2024-⁠05 価格 ¥780 / ¥2,400 長さ 12.8 万
148〜190	GPT-4o (2024-⁠11)	OpenAI	評価 6.2 ±4.7	202502-25	¥390	¥1,600	12.8 万		2024-11	OpenAI 公開 2024-⁠11 価格 ¥390 / ¥1,600 長さ 12.8 万
149〜190	Qwen Turbo	Alibaba	評価 6.0 ±4.4	202504-07	—	—	—		2024-11	Alibaba 公開 2024-⁠11 価格 — 長さ —
149〜190	Mistral Small 3.1⁠	Mistral	評価 5.7 ±4.4	202503-18	—	—	約 13.1 万		2025-03	Mistral 公開 2025-⁠03 価格 — 長さ約 13.1 万
150〜198	Llama 3.3 70B (instruct)⁠	Meta	評価 5.0 ±4.6	202502-25	—	—	約 13.1 万		2024-12	Meta 公開 2024-⁠12 価格 — 長さ約 13.1 万
150〜195	Claude 3 Opus	Anthropic	評価 4.6 ±3.8	202502-25	—	—	—		2024-02	Anthropic 公開 2024-⁠02 価格 — 長さ —
150〜195	Gemini 1.5 Flash 8B 001	Google	評価 4.5 ±3.9	202502-25	—	—	—		2024-10	Google 公開 2024-⁠10 価格 — 長さ —
150〜195	Llama 3.1 Tulu 3 70B DPO⁠	Ai2	評価 4.3 ±3.6	202503-07	—	—	—		2024-11	Ai2 公開 2024-⁠11 価格 — 長さ —
150〜193	Claude 3.5 Haiku	Anthropic	評価 4.2 ±3.2	202502-25	—	—	20 万		2024-10	Anthropic 公開 2024-⁠10 価格 — 長さ 20 万
150〜200	Llama 3 70B (instruct)⁠	Meta	評価 4.2 ±4.3	202502-25	—	—	約 0.8 万		2024-04	Meta 公開 2024-⁠04 価格 — 長さ約 0.8 万
151〜193	Gemini 1.5 Flash	Google	評価 3.8 ±2.8	202502-25	—	—	—		2024-05	Google 公開 2024-⁠05 価格 — 長さ —
151〜200	Llama 3.1 70B (instruct)⁠	Meta	評価 3.5 ±3.3	202502-25	—	—	12.8 万		2024-07	Meta 公開 2024-⁠07 価格 — 長さ 12.8 万
153〜201	Granite 4.0 Micro	IBM	評価 2.7 ±2.8	202608-30	—	—	13.1 万	—	2025-10	IBM 公開 2025-⁠10 価格 — 長さ 13.1 万
156〜195	Llama 3.2 90B Vision (instruct)⁠	Meta	評価 2.5 ±1.8	202502-25	—	—	1.6 万		2024-09	Meta 公開 2024-⁠09 価格 — 長さ 1.6 万
154〜201	Claude 2.0	Anthropic	評価 2.4 ±3.0	202503-07	—	—	—		2023-07	Anthropic 公開 2023-⁠07 価格 — 長さ —
151〜201	Claude 3 Sonnet	Anthropic	評価 2.4 ±3.8	202502-25	—	—	—		2024-02	Anthropic 公開 2024-⁠02 価格 — 長さ —
155〜200	Hermes-2-Theta-Llama-3-⁠70B⁠	Nous Research	評価 2.4 ±2.4	202504-01	—	—	—		2024-06	Nous Research 公開 2024-⁠06 価格 — 長さ —
158〜198	Qwen2.5 7B (instruct)⁠	Alibaba	評価 2.4 ±1.8	202608-30	—	—	約 3.3 万		2024-09	Alibaba 公開 2024-⁠09 価格 — 長さ約 3.3 万
151〜201	GPT-3.5 Turbo (2024-⁠01)	OpenAI	評価 2.1 ±4.4	202608-07	—	—	約 1.6 万		2024-01	OpenAI 公開 2024-⁠01 価格 — 長さ約 1.6 万
159〜201	Claude 2.1	Anthropic	評価 1.8 ±2.1	202503-07	—	—	—		2023-11	Anthropic 公開 2023-⁠11 価格 — 長さ —
159〜201	Llama 3 8B (instruct)⁠	Meta	評価 1.8 ±2.1	202608-30	—	—	—		2024-04	Meta 公開 2024-⁠04 価格 — 長さ —
159〜200	Mistral Large (2024-⁠02)	Mistral	評価 1.8 ±1.9	202502-25	—	—	3.2 万		2024-02	Mistral 公開 2024-⁠02 価格 — 長さ 3.2 万
161〜200	Claude 3 Haiku	Anthropic	評価 1.7 ±1.6	202502-25	—	—	20 万		2024-03	Anthropic 公開 2024-⁠03 価格 — 長さ 20 万
161〜201	Llama 3.1 8B (instruct)⁠	Meta	評価 1.6 ±1.8	202608-27	—	—	12.8 万		2024-07	Meta 公開 2024-⁠07 価格 — 長さ 12.8 万
163〜201	Gemma 2 27B⁠	Google	評価 1.3 ±1.8	202503-07	—	—	約 0.8 万		2024-06	Google 公開 2024-⁠06 価格 — 長さ約 0.8 万
170〜201	Gemini 1.0 Pro 001	Google	評価 1.0 ±1.2	202502-25	—	—	—		2023-12	Google 公開 2023-⁠12 価格 — 長さ —
170〜200	Gemma 3 1B⁠	Google	評価 1.0 ±1.1	202608-28	—	—	—		2025-03	Google 公開 2025-⁠03 価格 — 長さ —
170〜200	GPT-4 (2023-⁠06)	OpenAI	評価 1.0 ±1.1	202510-23	—	—	—		2023-06	OpenAI 公開 2023-⁠06 価格 — 長さ —
172〜201	DeepSeek LLM 67B (chat)⁠	DeepSeek	評価 0.7 ±0.9	202608-28	—	—	—		2023-11	DeepSeek 公開 2023-⁠11 価格 — 長さ —
172〜201	Granite 4.0 1B	IBM	評価 0.7 ±0.9	202608-30	—	—	—	—	2025-10	IBM 公開 2025-⁠10 価格 — 長さ —
176〜201	Gemma 2 9B⁠	Google	評価 0.5 ±0.8	202503-07	—	—	—		2024-06	Google 公開 2024-⁠06 価格 — 長さ —
176〜201	GPT-4 (2023-⁠03)	OpenAI	評価 0.5 ±0.8	202510-22	—	—	—		2023-03	OpenAI 公開 2023-⁠03 価格 — 長さ —
176〜201	Llama 3.2 1B (instruct)⁠	Meta	評価 0.5 ±0.8	202608-30	—	—	6 万		2024-09	Meta 公開 2024-⁠09 価格 — 長さ 6 万
178〜201	Granite 4.0 350M	IBM	評価 0.2 ±0.5	202608-28	—	—	—	—	2025-10	IBM 公開 2025-⁠10 価格 — 長さ —
178〜201	Mistral 7B (instruct, v0.3)⁠	Mistral	評価 0.2 ±0.5	202608-30	—	—	約 6.6 万		2024-05	Mistral 公開 2024-⁠05 価格 — 長さ約 6.6 万
185〜201	Llama 2 70B (chat)⁠	Meta	評価 0.0 ±0.0	202502-25	—	—	—		2023-07	Meta 公開 2023-⁠07 価格 — 長さ —

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

答えは整数で、値は正答率です。MATH level 5 より難しく FrontierMath より易しい水準とされています。
正答率は解けた問題の割合で、当て推量で取れる分は除いています。
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