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。
1 位の誤差の幅
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1〜5 | GPT-5.5 | OpenAI | 評価 84.7 ±4.1 | ¥780 | ¥4,700 | 105 万 | OpenAI 公開 2026-04 価格 ¥780 / ¥4,700 長さ 105 万 | |||
| 1〜6 | GPT-5.4 | OpenAI | 評価 81.8 ±3.9 | ¥390 | ¥2,400 | 105 万 | OpenAI 公開 2026-03 価格 ¥390 / ¥2,400 長さ 105 万 | |||
| 1〜6 | Claude Opus 4.7 | Anthropic | 評価 80.2 ±4.1 | ¥780 | ¥3,900 | 100 万 | Anthropic 公開 2026-04 価格 ¥780 / ¥3,900 長さ 100 万 | |||
| 1〜6 | Gemini 3.1 Pro (preview) | 評価 80.2 ±5.1 | ¥310 | ¥1,900 | 約 105 万 | Google 公開 2026-02 価格 ¥310 / ¥1,900 長さ 約 105 万 | ||||
| 1〜6 | Claude Opus 4.6 | Anthropic | 評価 79.8 ±3.1 | ¥780 | ¥3,900 | 100 万 | Anthropic 公開 2026-02 価格 ¥780 / ¥3,900 長さ 100 万 | |||
| 2〜6 | GPT-5.3 Codex | OpenAI | 評価 78.4 ±4.3 | ¥270 | ¥2,200 | 40 万 | OpenAI 公開 2026-02 価格 ¥270 / ¥2,200 長さ 40 万 | |||
| 7〜11 | Gemini 3 Pro (preview) | 評価 69.4 ±4.1 | — | — | 100 万 | Google 公開 2025-11 価格 — 長さ 100 万 | ||||
| 7〜13 | GPT-5.2 Codex | OpenAI | 評価 66.5 ±6.0 | — | — | 40 万 | OpenAI 公開 2025-12 価格 — 長さ 40 万 | |||
| 7〜13 | GPT-5.2 | OpenAI | 評価 64.9 ±5.4 | ¥270 | ¥2,200 | 40 万 | OpenAI 公開 2025-12 価格 ¥270 / ¥2,200 長さ 40 万 | |||
| 7〜13 | Gemini 3 Flash (preview) | 評価 64.3 ±5.5 | ¥78 | ¥470 | 100 万 | Google 公開 2025-12 価格 ¥78 / ¥470 長さ 100 万 | ||||
| 7〜13 | Claude Opus 4.5 | Anthropic | 評価 63.1 ±5.3 | ¥780 | ¥3,900 | 20 万 | Anthropic 公開 2025-11 価格 ¥780 / ¥3,900 長さ 20 万 | |||
| 8〜13 | GPT-5.1 Codex Mini | OpenAI | 評価 61.6 ±3.7 | — | — | 40 万 | OpenAI 公開 2025-11 価格 — 長さ 40 万 | |||
| 8〜15 | GPT-5.1 Codex | OpenAI | 評価 60.4 ±5.2 | — | — | 40 万 | OpenAI 公開 2025-11 価格 — 長さ 40 万 | |||
| 13〜16 | Grok 4.20 | xAI | 評価 57.3 | — | — | 200 万 | xAI 公開 2026-02 価格 — 長さ 200 万 | |||
| 13〜19 | Claude Sonnet 4.6 | Anthropic | 評価 53.4 ±5.5 | ¥470 | ¥2,400 | 100 万 | Anthropic 公開 2026-02 価格 ¥470 / ¥2,400 長さ 100 万 | |||
| 14〜19 | GLM-5 | Z.ai | 評価 52.4 ±5.1 | ¥160 | ¥500 | 約 20.5 万 | Z.ai 公開 2026-02 価格 ¥160 / ¥500 長さ 約 20.5 万 | |||
| 15〜23 | GPT-5 | OpenAI | 評価 49.6 ±5.7 | ¥200 | ¥1,600 | 40 万 | OpenAI 公開 2025-08 価格 ¥200 / ¥1,600 長さ 40 万 | |||
| 15〜23 | GPT-5.1 | OpenAI | 評価 47.6 ±5.5 | ¥200 | ¥1,600 | 40 万 | OpenAI 公開 2025-11 価格 ¥200 / ¥1,600 長さ 40 万 | |||
| 15〜24 | Claude Sonnet 4.5 | Anthropic | 評価 46.5 ±4.6 | ¥470 | ¥2,400 | 20 万 | Anthropic 公開 2025-09 価格 ¥470 / ¥2,400 長さ 20 万 | |||
| 17〜23 | MiniMax-M2.7 | MiniMax | 評価 45.1 | ¥47 | ¥190 | 約 20.5 万 | MiniMax 公開 2026-03 価格 ¥47 / ¥190 長さ 約 20.5 万 | |||
| 17〜26 | GPT-5 Codex | OpenAI | 評価 44.3 ±5.3 | — | — | 40 万 | OpenAI 公開 2025-09 価格 — 長さ 40 万 | |||
| 17〜28 | Kimi K2.5 | Moonshot | 評価 43.2 ±5.6 | — | — | 約 26.2 万 | Moonshot 公開 2026-01 価格 — 長さ 約 26.2 万 | |||
| 17〜28 | MiniMax-M2.5 | MiniMax | 評価 42.7 ±5.5 | ¥47 | ¥190 | 約 20.5 万 | MiniMax 公開 2026-02 価格 ¥47 / ¥190 長さ 約 20.5 万 | |||
| 20〜31 | DeepSeek-V3.2 | DeepSeek | 評価 39.6 ±5.4 | — | — | 12.8 万 | DeepSeek 公開 2025-12 価格 — 長さ 12.8 万 | |||
| 21〜31 | Claude Opus 4.1 | Anthropic | 評価 38.0 ±5.1 | — | — | 20 万 | Anthropic 公開 2025-08 価格 — 長さ 20 万 | |||
| 21〜32 | MiniMax-M2.1 | MiniMax | 評価 36.6 ±5.7 | ¥47 | ¥190 | 約 20.5 万 | MiniMax 公開 2025-12 価格 ¥47 / ¥190 長さ 約 20.5 万 | |||
| 22〜32 | Kimi K2 (thinking) | Moonshot | 評価 35.7 ±5.5 | — | — | 約 26.2 万 | Moonshot 公開 2025-11 価格 — 長さ 約 26.2 万 | |||
| 22〜32 | Claude Haiku 4.5 | Anthropic | 評価 35.5 ±5.7 | ¥160 | ¥780 | 20 万 | Anthropic 公開 2025-10 価格 ¥160 / ¥780 長さ 20 万 | |||
| 24〜34 | GPT-5 mini | OpenAI | 評価 34.8 ±5.3 | ¥39 | ¥310 | 40 万 | OpenAI 公開 2025-08 価格 ¥39 / ¥310 長さ 40 万 | |||
| 24〜36 | GLM-4.7 | Z.ai | 評価 33.4 ±5.6 | ¥94 | ¥340 | 約 20.5 万 | Z.ai 公開 2025-12 価格 ¥94 / ¥340 長さ 約 20.5 万 | |||
| 24〜37 | Gemini 2.5 Pro | 評価 32.6 ±5.9 | ¥200 | ¥1,600 | 100 万 | Google 公開 2025-06 価格 ¥200 / ¥1,600 長さ 100 万 | ||||
| 26〜38 | MiniMax-M2 | MiniMax | 評価 30.0 ±5.4 | ¥47 | ¥190 | 100 万 | MiniMax 公開 2025-10 価格 ¥47 / ¥190 長さ 100 万 | |||
| 29〜39 | Kimi K2 (instruct) | Moonshot | 評価 27.8 ±4.9 | — | — | 約 13.1 万 | Moonshot 公開 2025-07 価格 — 長さ 約 13.1 万 | |||
| 29〜39 | Grok 4 | xAI | 評価 27.2 ±6.1 | — | — | 25.6 万 | xAI 公開 2025-07 価格 — 長さ 25.6 万 | |||
| 30〜39 | Qwen3 Coder 480B A35B (instruct) | Alibaba | 評価 27.2 ±5.0 | ¥240 | ¥1,200 | 約 26.2 万 | Alibaba 公開 2025-07 価格 ¥240 / ¥1,200 長さ 約 26.2 万 | |||
| 30〜40 | Grok Code Fast 1 | xAI | 評価 25.8 ±5.1 | — | — | 25.6 万 | — | xAI 公開 2025-08 価格 — 長さ 25.6 万 | ||
| 31〜42 | Qwen3.6 35B A3B | Alibaba | 評価 24.6 ±6.3 | ¥59 | ¥350 | 約 26.2 万 | Alibaba 公開 2026-04 価格 ¥59 / ¥350 長さ 約 26.2 万 | |||
| 32〜40 | GLM-4.6 | Z.ai | 評価 24.5 ±4.8 | ¥94 | ¥340 | 約 20.5 万 | Z.ai 公開 2025-09 価格 ¥94 / ¥340 長さ 約 20.5 万 | |||
| 33〜42 | GPT-5 nano | OpenAI | 評価 21.8 ±5.5 | ¥7.8 | ¥63 | 40 万 | OpenAI 公開 2025-08 価格 ¥7.8 / ¥63 長さ 40 万 | |||
| 36〜42 | GPT-OSS 120B | OpenAI | 評価 18.7 ±5.3 | — | — | 12.8 万 | OpenAI 公開 2025-08 価格 — 長さ 12.8 万 | |||
| 38〜42 | Gemini 2.5 Flash (preview, 2025-09) | 評価 17.1 ±4.9 | — | — | 100 万 | Google 公開 2025-09 価格 — 長さ 100 万 | ||||
| 38〜42 | Gemini 2.5 Flash | 評価 17.1 ±4.9 | ¥47 | ¥390 | 100 万 | Google 公開 2025-06 価格 ¥47 / ¥390 長さ 100 万 | ||||
| 43 位 | Qwen3.5 9B | Alibaba | 評価 9.2 ±4.6 | — | — | 26.2 万 | Alibaba 公開 2026-02 価格 — 長さ 26.2 万 | |||
| 44 位 | GPT-OSS 20B | OpenAI | 評価 3.4 ±2.7 | — | — | 13.1 万 | OpenAI 公開 2025-08 価格 — 長さ 13.1 万 |
最高の成功率の推移
2025-06-17公開日2026-04-23
このページの読み方
- 作業の後の状態をテストで確かめ、値は終えられた課題の割合です。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