Arena Coding

何を測定しますか?
コーディングの質問(コード作成・バグ修正・説明)で、人々がどのAIの答えを選んだかです。コードが実際に動くかを検査する試験ではなく、質問者から見てより役立った答えを選んだ結果です。
誰がどのように評価しますか?
Arena Intelligence でユーザーが質問を入力すると、名前を隠した2つのAIが答え、より良い方に投票します。累計8,200万票以上の投票を統計モデル(Bradley-Terry)で集計して Elo 風の点数に換算し、この表は長く華やかに整えた回答を好む偏りを統計的に取り除いた「スタイル補正版」を公式データセットから取得します。 質問や答えにコードブロックがあるか、プログラミング言語が言及されていればコーディングカテゴリに自動分類されます。
スコアの読み方
試験の点数(正答率%)ではなく対戦成績です。他のAIと対戦して選ばれた確率から計算するため満点がなく、新しいAIが入ると既存のAIの点数も少し動きます。通常1,000〜1,500の範囲で、2つのAIの点差が100点なら上位側が約64%、200点なら約76%の確率で選ばれるという意味です。正解かどうかは数えないため、間違った答えでも説明が親切なら勝てます。正確さが重要な用途なら正答率試験(GPQA・AIME など)も併せて見るのがよいでしょう。点差が数十点以内なら順位が違っても実質同じ等級と見るのが安全です。 コードを実際に実行して採点するベンチマーク(Terminal-Bench・SciCode など)とは順位が異なることがあります。

順位

最高スコア1568
測定したモデル108件
測定基準高いほど良い
最終更新2026.11.19
モデルのリリース時期

コーディングの回答で、多くの人に最も好まれているAIは?

Arena Coding

  1. 🥇GoogleGemini 4 Carbon—1568—
  2. 🥈GoogleGemini 4 Neon—1559—
  3. 🥉GoogleGemini 4 Argon57.1%1552—
  4. #4AnthropicClaude Fable 542.4%155162.2
  5. #5MetaMuse Wonder52.0%1550—
  6. #6AnthropicClaude Opus 5.559.6%154865.3
  7. #7OpenAIGPT-6 Astra59.6%154857.3
  8. #8AnthropicClaude Opus 4.6—154749.0
  9. #9AnthropicClaude Opus 4.7—154650.7
  10. #10OpenAIGPT-6.1 Sol56.1%154556.8
  11. #11OpenAIGPT-6.1 Terra55.6%1541—
  12. #12MetaMuse Spark 1.27.1%154057.6
  13. #13XiaomiMiMo-V2.6-Pro34.8%1539—
  14. #14Moonshot AIKimi K312.6%153762.2
  15. #15MetaMuse Spark 1.333.3%153564.1
  16. #16MetaMuse Spark 1.16.1%153358.5
  17. #17OpenAIGPT-5.6 Sol39.9%153356.2
  18. #18AnthropicClaude Fable 5.155.1%153366.1
  19. #19Moonshot AIKimi K3.1 Pro67.2%1532—
  20. #20GoogleGemini 3.8 Flash19.7%153054.2
  21. #21MetaMuse Spark—1529—
  22. #22AnthropicClaude Opus 4.821.7%152850.5
  23. #22AnthropicClaude Sonnet 4.63.0%152842.6
  24. #24AnthropicClaude Opus 549.0%152865.2
  25. #25AnthropicClaude Fable 5.2—1527—
  26. #26Z.aiGLM 5.3 Flash32.8%152656.8
  27. #27DeepSeekDeepSeek V4.1 Flash26.8%152577.3
  28. #28Z.aiGLM 5.341.9%152460.9
  29. #29AlibabaQwen3.7 Max1.5%152443.6
  30. #30AnthropicClaude Opus 4.5—152339.7
  31. #30OpenAIGPT-6.2 Astra—1523—
  32. #32OpenAIGPT-5.4—152153.8
  33. #33GoogleGemini 3.7 Flash13.6%152158.3
  34. #33GoogleGemini 3.1 Pro4.0%152144.1
  35. #35XiaomiMiMo V2.5 Pro0.0%1520—
  36. #36AnthropicClaude Sonnet 514.1%151959.4
  37. #37OpenAIGPT-6 Sol43.9%151952.9
  38. #38GoogleGemini 3.6 Flash7.1%151843.4
  39. #39OpenAIGPT-5.6 Terra35.4%151855.0
  40. #40AnthropicClaude Sonnet 5.563.6%151739.3
  41. #41Moonshot AIKimi K2.60.5%151646.9
  42. #42Z.aiGLM 5.21.0%151651.8
  43. #43SpaceXSIGrok 4.510.6%151456.5
  44. #44ByteDanceDola Seed 2.0 Pro—1514—
  45. #45GoogleGemini 4 Hydrogen—1514—
  46. #46Z.aiGLM-5.12.0%1512—
  47. #46AnthropicClaude Sonnet 4.50.0%1512—
  48. #48AnthropicClaude Opus 4.1—1511—
  49. #49SpaceXSIGrok 4.20 (Reasoning)—1511—
  50. #50AlibabaQwen3.6 Max—1510—
  51. #51OpenAIGPT-5.514.6%151054.0
  52. #52XiaomiMiMo-V2.6-Flash22.7%1510—
  53. #53SpaceXSIGrok 4.621.2%150857.0
  54. #54SpaceXSIGrok 4.20—1508—
  55. #55GoogleGemini 3.5 Flash6.6%150649.0
  56. #56OpenAIGPT-6.2 Sol—1506—
  57. #57GoogleGemini 3 Flash—1505—
  58. #58StepfunStep-533.3%1504—
  59. #59OpenAIGPT-6 Luna12.6%150451.2
  60. #60OpenAIGPT-5.6 Luna11.6%150348.4
  61. #60XiaomiMiMo V2 Pro—1503—
  62. #62GoogleGemma 4 31B0.0%1502—
  63. #63Moonshot AIKimi K2.5—1502—
  64. #64GoogleGemini 3.5 Flash-Lite1.0%150245.3
  65. #65DeepSeekDeepSeek V4 Pro14.1%150142.6
  66. #65MeituanLongcat Flash Chat—1501—
  67. #67AlibabaQwen3.7 Plus1.0%1500—
  68. #68Z.aiGLM-5—1498—
  69. #69AnthropicClaude Opus 4—1498—
  70. #70AlibabaQwen3.6 Plus—149641.4
  71. #71OpenAIGPT-5.4 Mini2.0%149541.7
  72. #72MiniMaxMiniMax M32.0%149240.7
  73. #73XiaomiMiMo V2.50.0%1491—
  74. #74SpaceXSIGrok 4.725.8%149154.0
  75. #75AlibabaQwen3.5 397B A17B0.0%1491—
  76. #76BaiduERNIE 5.0 Thinking—1490—
  77. #77AnthropicClaude Haiku 5.532.8%148751.4
  78. #78SpaceXSIGrok 4.30.0%148718.5
  79. #79Mistral AIMistral Large 426.8%148657.2
  80. #80InklingInkling 2 Small—1485—
  81. #81DeepSeekDeepSeek V4 Flash12.1%148437.6
  82. #82AnthropicClaude Haiku 4.50.0%1482—
  83. #83MiniMaxMiniMax M2.70.0%1480—
  84. #84Mistral AIMistral Medium 3.50.0%1478—
  85. #85AnthropicClaude Sonnet 4—1475—
  86. #86NVIDIANemotron 3 Ultra0.5%147438.7
  87. #87OpenAIGPT-5—1472—
  88. #88DeepSeekDeepSeek V3.2—1470—
  89. #89GoogleGemini 2.5 Pro0.0%1464—
  90. #90SpaceXSIGrok 4.1 Fast (Reasoning)—1461—
  91. #91UpstageSolar Pro 40.0%1461—
  92. #92OpenAIGPT-5.4 Nano0.5%146046.8
  93. #93GoogleGemini 3.1 Flash Lite0.5%1458—
  94. #94OpenAIGPT-4.1—1456—
  95. #95TencentHy30.5%1452—
  96. #96MiniMaxMiniMax M2.5—1446—
  97. #97OpenAIGPT-5 Mini0.0%1432—
  98. #98GoogleGemini 2.5 Flash—1424—
  99. #99Arcee AITrinity Large Thinking0.5%1412—
  100. #100NVIDIANemotron 3 Super0.0%1407—
  101. #101GoogleGemini 2.5 Flash Lite—1398—
  102. #102AmazonNova 2 Lite—1393—
  103. #103OpenAIGPT OSS 120B0.0%1389—
  104. #104OpenAIGPT-5 Nano—1386—
  105. #105MetaLlama 4 Maverick0.0%1372—
  106. #106MetaLlama 4 Scout0.0%1362—
  107. #107NVIDIANemotron 3 Nano 30B A3B0.0%1361—
  108. #108IBMGranite 4.1 8B—1354—
モデルの半数が1507以下測定: ユーザー選好投票

以前の版のスコア

最新ランキング(2026.11.19)に反映されていないスコアです。出典から外れたか、まだ更新されていないモデルで、最後に取得したスコアを参考として表示し、順位は付けません。

  1. Z.ai2026.04.01 · 2026.11.09時点
    1489

直近60日にリリースされたAI 64個のうち45個はまだこの試験のスコアがありません · Microsoft-Decision-1.1, d1.2, Qwen4 Max ほか42個

好みの投票なので正解かどうかは測りません。間違っていても説明が親切なら勝てます。

どんな質問が出されたかは投票した人によって変わります。自分の用途と違う質問かもしれません。

「開発元発表」と表示されたスコアは、AI開発元が自ら発表した数値で、第三者の測定ではありません。