Arena Business, Management & Finance
- 何を測定しますか?
- ビジネス・経営・金融分野の専門家レベルの質問で、どのAIの答えが好まれたかです。例:財務モデルの検討、事業計画、会計処理。一般的な質問ではなく、その仕事を実際にしている人が投げかけそうな質問です。
- 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。 質問の推論の深さと専門性をAI分類器が判定し、全体の約5.5%だけを「専門家の質問」としてタグ付けし、さらに米国労働統計局の職業分類(SOC)に基づく職種に分けます(2025年11月新設)。 この表はそのうち「ビジネス・経営・金融」に分類された質問だけを集計します。
- 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。 この職種は質問数が少なく上位の順位が頻繁に変わるため、順位より点数帯を見るのが安全です。
順位
最高スコア1514
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
複数の長い文書に散らばった情報を、まとめて答えられる?Long Context Reasoning
Kimi K3🥇
Kimi K3🥇Long Context Reasoning
Kimi K3🥇表を読んで、求める形に整理できる?LiveBench 2.0 Data Analysis
Gemini 4 Argon🥇
Gemini 4 Argon🥇LiveBench 2.0 Data Analysis
Gemini 4 Argon🥇
多くの人に最も好まれるビジネスの回答をするAIは?
Arena Business, Management & Finance
- 🥇GoogleGemini 4 Argon79.7%85.21514
- 🥈GoogleGemini 4 Carbon——1513
- 🥉Moonshot AIKimi K3.1 Pro86.3%79.11510
- #4MetaMuse Wonder80.7%—1507
- #5AnthropicClaude Fable 582.3%—1500
- #6AnthropicClaude Opus 4.678.0%—1500
- #7MetaMuse Spark 1.383.0%79.61499
- #8MetaMuse Spark 1.279.0%—1496
- #9AnthropicClaude Opus 5.584.7%80.31495
- #10AnthropicClaude Opus 4.778.7%—1494
- #11MetaMuse Spark 1.177.7%—1491
- #12AnthropicClaude Fable 5.185.3%80.31490
- #13MetaMuse Spark78.0%—1489
- #14Moonshot AIKimi K388.7%78.71489
- #15OpenAIGPT-5.6 Sol84.0%—1487
- #16GoogleGemini 3.7 Flash83.0%—1486
- #17GoogleGemini 3.8 Flash84.0%54.01485
- #17AnthropicClaude Opus 4.877.7%—1485
- #19OpenAIGPT-5.584.3%—1485
- #20GoogleGemini 4 Neon——1484
- #21OpenAIGPT-6.1 Sol84.0%82.71483
- #22AnthropicClaude Opus 582.0%—1482
- #23OpenAIGPT-5.482.0%—1482
- #24OpenAIGPT-6 Astra80.7%83.01481
- #25AnthropicClaude Sonnet 4.680.0%—1481
- #26DeepSeekDeepSeek V4.1 Flash84.0%—1480
- #27AnthropicClaude Fable 5.2—81.51478
- #28GoogleGemini 3.1 Pro82.0%—1478
- #29Z.aiGLM 5.379.7%—1476
- #30GoogleGemini 3.6 Flash80.0%—1474
- #31AnthropicClaude Opus 4.577.3%—1472
- #32AnthropicClaude Sonnet 5.582.7%59.51472
- #33XiaomiMiMo V2.5 Pro79.7%—1472
- #34Z.aiGLM 5.3 Flash80.0%76.41471
- #35GoogleGemini 4 Hydrogen——1471
- #36SpaceXSIGrok 4.2023.3%—1470
- #37OpenAIGPT-6.2 Astra——1469
- #38GoogleGemini 3 Flash78.0%—1469
- #39Z.aiGLM-5.173.7%—1467
- #40OpenAIGPT-5.6 Terra83.0%79.31466
- #41SpaceXSIGrok 4.20 (Reasoning)69.0%—1466
- #42AnthropicClaude Sonnet 582.0%—1466
- #43SpaceXSIGrok 4.579.3%—1465
- #43Z.aiGLM 5.278.3%—1465
- #45ByteDanceDola Seed 2.0 Pro——1464
- #46GoogleGemini 3.5 Flash74.3%—1463
- #47OpenAIGPT-5.6 Luna83.7%—1462
- #48OpenAIGPT-6.1 Terra82.7%82.31462
- #49AnthropicClaude Sonnet 4.572.3%—1460
- #50DeepSeekDeepSeek V4 Pro80.3%—1459
- #51OpenAIGPT-5.4 Mini77.0%—1459
- #52XiaomiMiMo-V2.6-Pro86.3%72.31458
- #53Moonshot AIKimi K2.681.0%—1455
- #54XiaomiMiMo V2 Pro68.3%—1455
- #55AlibabaQwen3.7 Max79.0%—1454
- #56XiaomiMiMo-V2.6-Flash74.3%—1454
- #57GoogleGemini 3.5 Flash-Lite76.0%—1453
- #58StepfunStep-588.3%—1452
- #59Z.aiGLM-575.7%—1452
- #60AlibabaQwen3.6 Max80.7%—1451
- #61OpenAIGPT-6 Sol83.7%—1451
- #62GoogleGemma 4 31B69.7%53.31449
- #63AlibabaQwen3.5 397B A17B77.3%—1447
- #64AnthropicClaude Opus 4.176.0%—1447
- #65AlibabaQwen3.6 Plus78.3%—1446
- #66SpaceXSIGrok 4.681.0%75.31446
- #67AlibabaQwen3.7 Plus73.0%—1445
- #68MiniMaxMiniMax M383.0%—1443
- #69OpenAIGPT-6.2 Sol——1442
- #70XiaomiMiMo V2.573.0%—1442
- #71Mistral AIMistral Large 481.3%76.51440
- #72BaiduERNIE 5.0 Thinking7.0%—1440
- #73Moonshot AIKimi K2.578.0%—1440
- #74SpaceXSIGrok 4.780.0%76.91439
- #75OpenAIGPT-6 Luna83.3%73.41439
- #76SpaceXSIGrok 4.375.0%—1438
- #77DeepSeekDeepSeek V4 Flash79.7%—1438
- #78GoogleGemini 2.5 Pro69.0%—1438
- #79InklingInkling 2 Small——1432
- #80MeituanLongcat Flash Chat28.3%—1432
- #81Mistral AIMistral Medium 3.569.3%—1431
- #82MiniMaxMiniMax M2.778.3%—1423
- #83AnthropicClaude Haiku 5.582.7%53.11422
- #84DeepSeekDeepSeek V3.273.3%—1422
- #85GoogleGemini 3.1 Flash Lite74.3%—1420
- #86AnthropicClaude Haiku 4.574.3%—1419
- #87NVIDIANemotron 3 Ultra79.3%—1418
- #88SpaceXSIGrok 4.1 Fast (Reasoning)74.0%—1417
- #89OpenAIGPT-578.2%—1415
- #89OpenAIGPT-4.168.3%—1415
- #91TencentHy379.0%—1414
- #92AnthropicClaude Opus 469.3%—1409
- #93OpenAIGPT-5.4 Nano76.7%—1405
- #94GoogleGemini 2.5 Flash65.3%—1400
- #95MiniMaxMiniMax M2.573.3%—1399
- #96UpstageSolar Pro 470.7%—1386
- #97OpenAIGPT-5 Mini72.3%—1383
- #98AnthropicClaude Sonnet 470.3%—1381
- #99GoogleGemini 2.5 Flash Lite64.7%—1378
- #100Arcee AITrinity Large Thinking38.0%—1368
- #101OpenAIGPT OSS 120B52.0%—1352
- #102AmazonNova 2 Lite60.3%—1352
- #103NVIDIANemotron 3 Super65.7%—1351
- #104OpenAIGPT-5 Nano45.0%—1340
- #105NVIDIANemotron 3 Nano 30B A3B38.0%—1318
- #106MetaLlama 4 Maverick50.0%—1318
- #107MetaLlama 4 Scout27.7%—1316
- #108IBMGranite 4.1 8B13.3%—1292
モデルの半数が1454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。
- 2026.11.09時点$3.301442
直近60日にリリースされたAI 59個のうち44個はまだこの試験のスコアがありません · Microsoft-Decision-1.1, d1.2, d1.2-ultra ほか41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。