課題の成績
カードゲームをいちばん難しい設定で勝ち抜く課題 (SpireClimb)
カードを集めて戦うゲーム Slay the Spire の 1 と 2 を、それぞれいちばん難しい設定で、画面の操作を通して遊ばせる課題です。
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、共通の課題をやり遂げた回の割合 (%) です。
- 差が 3 なら 100 回で 3 回ぶんの違いで、± は測り直した時に動く幅です。
- 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 (%) | 評価日 | 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1〜2 | GPT-6 Astra | OpenAI | 評価 25.7 ±7.2 | ¥1,600 | ¥7,800 | 105 万 | OpenAI 公開 2026-09 価格 ¥1,600 / ¥7,800 長さ 105 万 | ||||
| 1〜2 | GPT-6.1 Sol | OpenAI | 評価 24.7 ±7.3 | ¥310 | ¥1,600 | 105 万 | OpenAI 公開 2026-09 価格 ¥310 / ¥1,600 長さ 105 万 | ||||
| 3〜4 | GPT-6 Sol | OpenAI | 評価 7.5 ±4.2 | ¥310 | ¥1,600 | 105 万 | OpenAI 公開 2026-09 価格 ¥310 / ¥1,600 長さ 105 万 | ||||
| 3〜6 | Claude Opus 5.5 | Anthropic | 評価 3.3 ±2.8 | ¥630 | ¥3,100 | 100 万 | Anthropic 公開 2026-09 価格 ¥630 / ¥3,100 長さ 100 万 | ||||
| 4〜7 | Claude Fable 5.1 | Anthropic | 評価 2.0 ±2.2 | ¥1,600 | ¥7,800 | 100 万 | Anthropic 公開 2026-09 価格 ¥1,600 / ¥7,800 長さ 100 万 | ||||
| 4〜7 | Claude Sonnet 5.5 | Anthropic | 評価 1.3 ±1.8 | ¥310 | ¥1,600 | 100 万 | Anthropic 公開 2026-09 価格 ¥310 / ¥1,600 長さ 100 万 | ||||
| 5〜7 | GPT-6 Luna | OpenAI | 評価 0.0 ±0.0 | ¥16 | ¥78 | 105 万 | OpenAI 公開 2026-09 価格 ¥16 / ¥78 長さ 105 万 |
最高の成功率の推移
2026-09-01公開日2026-09-29
このページの読み方
- 値は最後まで勝ち抜けた割合です。
- 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