ベンチマーク/AIB DecisionBench-Game · game-0.5

判断型AI、リアルタイムゲームで勝つのはどれ？

AIB DecisionBench-Gameは、判断型（Decision）AIの正確さ・速さ・コストをリアルタイムゲームで測定するベンチマークです。さまざまな実務で、速く正確な判断を次々と下さなければならない判断型AIの使い方に合わせて設計しました。

22
モデル: 4
ゲーム: 616
プレイ: 27,281
リアルタイム判断

設計の意図

判断型AIは、示された選択肢の中から一つを確率付きで0.2〜0.6秒で選びます。実務ではこうした判断が絶え間なく続き、判断が終わるまで状況が待ってくれないことも少なくありません。正答率だけでは分からないこうした実戦力を、判断が少し遅れるだけで勝敗が分かれるリアルタイムゲームで測定します。

測定方法

一度に測定するAIモデルは同じ開始条件でゲームを同時にスタートし、あとから加えたモデルは同じ条件で別途測定します。ゲームはリアルタイムで進むため、正しい判断でもタイミングが遅れれば反映されません。1回の運に左右されないよう、ゲームごとに異なる盤面で何度も行い平均を算出します（モグラたたき10回 · スネークゲーム5回 · テトリス5回 · 卓球8回）。続けて同じゲームに今度は判断している間ゲームの時計を止めてもう一度挑戦し、点数が低い理由が判断力なのか速さなのかを見極めます。

指標

リアルタイム点数 — ゲームごとに0〜100。判断力と速さをあわせて反映
時間が十分なときの点数 — 判断力だけを確認
遅くて失った点 — リアルタイム点数と時間が十分なときの点数の差
応答時間 · 1,000回のコスト — 1回の判断にかかる時間と、1,000回の判断にかかるコスト
測定ゲーム — モグラたたき · スネークゲーム · テトリス · 卓球の4種、今後順次追加予定

2026/10/12～2026/10/24測定。判断型AI 22種の総合1位はGPT-6 Luna Decisions（69.5点）でした。

ゲーム順位は時間制限がないときはテキスト判断の順位とほぼ同じですが、リアルタイムでは大きく変わります。
モグラたたき・スネーク・テトリス・卓球では、普段の速さよりときどき大きく遅れる応答のほうが順位を大きく下げました。
時間制限がなくても点数差が大きいテトリスでは判断力が、時間制限がなければほとんど高得点のモグラたたき・スネーク・卓球では応答速度が順位を分けます。

インサイトをすべて見る

総合ランキング

🥇OpenAIGPT-6 Luna Decisions69.587.2
モグラたたき
93.6
スネーク
71.0
テトリス
52.1
卓球
61.4
応答の中央値
234ms
1,000回のコスト
$0.041
🥈TypeSafeJev 1.1358.291.6
モグラたたき
82.7
スネーク
50.4
テトリス
51.1
卓球
48.5
応答の中央値
397ms
1,000回のコスト
$0.030
🥉PerplexityDecider V1.256.486.6
モグラたたき
86.1
スネーク
49.3
テトリス
28.8
卓球
61.4
応答の中央値
349ms
1,000回のコスト
$0.0075
#4PerplexityDecider Flash V1.255.580.5
モグラたたき
93.2
スネーク
56.8
テトリス
20.1
卓球
52.1
応答の中央値
269ms
1,000回のコスト
$0.0032
#5CloudflareClef Omni55.371.7
モグラたたき
98.1
スネーク
64.6
テトリス
12.3
卓球
46.4
応答の中央値
184ms
1,000回のコスト
$0.053
#6TypeSafeJev 1.1454.189.5
モグラたたき
80.7
スネーク
45.7
テトリス
40.4
卓球
49.4
応答の中央値
395ms
1,000回のコスト
$0.028
#7PerplexityPerplexity Decider v1.1 27B52.791.8
モグラたたき
79.4
スネーク
32.4
テトリス
42.0
卓球
56.8
応答の中央値
391ms
1,000回のコスト
$0.0087
#8CloudflareClef50.483.4
モグラたたき
73.0
スネーク
50.1
テトリス
29.1
卓球
49.5
応答の中央値
385ms
1,000回のコスト
$0.113
#9Liquid AID142.587.2
モグラたたき
60.5
スネーク
34.8
テトリス
31.5
卓球
43.1
応答の中央値
514ms
1,000回のコスト
$0.0078
#10CloudflareClef Flash41.977.4
モグラたたき
61.1
スネーク
44.6
テトリス
14.1
卓球
47.9
応答の中央値
410ms
1,000回のコスト
$0.033
#11Liquid AID1 Ultra38.188.4
モグラたたき
52.7
スネーク
21.5
テトリス
26.5
卓球
51.5
応答の中央値
547ms
1,000回のコスト
$0.014
#12Nace AIDrex Max33.981.3
モグラたたき
39.9
スネーク
52.3
テトリス
23.3
卓球
20.3
応答の中央値
710ms
1,000回のコスト
$0.022
#13Nace AIDrex v1.531.481.9
モグラたたき
49.1
スネーク
34.1
テトリス
18.3
卓球
24.1
応答の中央値
664ms
1,000回のコスト
$0.011
#14ScaleDownClassify-131.269.4
モグラたたき
49.5
スネーク
42.9
テトリス
17.7
卓球
14.6
応答の中央値
739ms
1,000回のコスト
$0.039
#15MicrosoftMicrosoft-Decision-130.687.5
モグラたたき
30.5
スネーク
38.6
テトリス
26.8
卓球
26.6
応答の中央値
642ms
1,000回のコスト
$0.014
#16AlibabaDecision Model Preview28.262.7
モグラたたき
45.5
スネーク
24.7
テトリス
13.2
卓球
29.6
応答の中央値
663ms
1,000回のコスト
期間限定無料
#17Nace AIDrex v2.026.171.4
モグラたたき
40.7
スネーク
28.8
テトリス
24.5
卓球
10.4
応答の中央値
713ms
1,000回のコスト
$0.018
#18UpstageSolar Decide Flash22.744.9
モグラたたき
36.7
スネーク
23.3
テトリス
9.3
卓球
21.4
応答の中央値
546ms
1,000回のコスト
$0.027
#19Jared PalmerKev 4B22.674.6
モグラたたき
30.4
スネーク
24.0
テトリス
14.4
卓球
21.4
応答の中央値
747ms
1,000回のコスト
$0.012
#20RespanSpan-0221.082.4
モグラたたき
33.8
スネーク
18.1
テトリス
23.2
卓球
8.9
応答の中央値
801ms
1,000回のコスト
$0.0036
#21InceptionMercury Decide11.182.2
モグラたたき
15.1
スネーク
16.2
テトリス
10.9
卓球
2.1
応答の中央値
326ms
1,000回のコスト
期間限定無料
#22UpstageSolar Decide6.255.6
モグラたたき
10.2
スネーク
8.4
テトリス
—
卓球
0.0
応答の中央値
5.8s
1,000回のコスト
$0.022

順位	モデル	総合点数	モグラたたき	スネーク	テトリス	卓球	応答の中央値	1,000回のコスト
🥇	OpenAIGPT-6 Luna Decisions	69.587.2	93.6	71.0	52.1	61.4	234ms	$0.041
🥈	TypeSafeJev 1.13	58.291.6	82.7	50.4	51.1	48.5	397ms	$0.030
🥉	PerplexityDecider V1.2	56.486.6	86.1	49.3	28.8	61.4	349ms	$0.0075
#4	PerplexityDecider Flash V1.2	55.580.5	93.2	56.8	20.1	52.1	269ms	$0.0032
#5	CloudflareClef Omni	55.371.7	98.1	64.6	12.3	46.4	184ms	$0.053
#6	TypeSafeJev 1.14	54.189.5	80.7	45.7	40.4	49.4	395ms	$0.028
#7	PerplexityPerplexity Decider v1.1 27B	52.791.8	79.4	32.4	42.0	56.8	391ms	$0.0087
#8	CloudflareClef	50.483.4	73.0	50.1	29.1	49.5	385ms	$0.113
#9	Liquid AID1	42.587.2	60.5	34.8	31.5	43.1	514ms	$0.0078
#10	CloudflareClef Flash	41.977.4	61.1	44.6	14.1	47.9	410ms	$0.033
#11	Liquid AID1 Ultra	38.188.4	52.7	21.5	26.5	51.5	547ms	$0.014
#12	Nace AIDrex Max	33.981.3	39.9	52.3	23.3	20.3	710ms	$0.022
#13	Nace AIDrex v1.5	31.481.9	49.1	34.1	18.3	24.1	664ms	$0.011
#14	ScaleDownClassify-1	31.269.4	49.5	42.9	17.7	14.6	739ms	$0.039
#15	MicrosoftMicrosoft-Decision-1	30.687.5	30.5	38.6	26.8	26.6	642ms	$0.014
#16	AlibabaDecision Model Preview	28.262.7	45.5	24.7	13.2	29.6	663ms	期間限定無料
#17	Nace AIDrex v2.0	26.171.4	40.7	28.8	24.5	10.4	713ms	$0.018
#18	UpstageSolar Decide Flash	22.744.9	36.7	23.3	9.3	21.4	546ms	$0.027
#19	Jared PalmerKev 4B	22.674.6	30.4	24.0	14.4	21.4	747ms	$0.012
#20	RespanSpan-02	21.082.4	33.8	18.1	23.2	8.9	801ms	$0.0036
#21	InceptionMercury Decide	11.182.2	15.1	16.2	10.9	2.1	326ms	期間限定無料
#22	UpstageSolar Decide	6.255.6	10.2	8.4	—	0.0	5.8s	$0.022

総合点数は、ゲームごとに0〜100にそろえたリアルタイム点数の平均です。同点の場合は、判断1回あたりのコスト（差が10%未満なら同等とみなす）→応答の中央値の順で決めます。

総合点数の下の灰色の数字は、時間が十分なときの総合点数です。同じゲームをゲームの時計を止めてもう一度プレイしたときの点数の平均で、判断の質だけを反映します。

ゲーム別の結果

モグラたたき

10回測定の平均

3×3のマスに🐭・🐰・🐹が0.4〜1.9秒だけ顔を出して引っ込みます。🐭を選ぶと+2点、🐰・🐹を選ぶと−1点です。AIモデルは毎回、選ぶマスを一つ、または「選ばない」を選び、ゲームは25秒間続きます。

🥇CloudflareClef Omni98.1±2.1
時間が十分なとき
100.0
遅くて失った点
−1.9
🐭 命中
98%
応答の中央値
129ms
遅い5%
263ms
1,000回のコスト
$0.032
🥈OpenAIGPT-6 Luna Decisions93.6±8.2
時間が十分なとき
99.5
遅くて失った点
−5.9
🐭 命中
94%
応答の中央値
226ms
遅い5%
368ms
1,000回のコスト
$0.020
🥉PerplexityDecider Flash V1.293.2±4.0
時間が十分なとき
100.0
遅くて失った点
−6.8
🐭 命中
93%
応答の中央値
260ms
遅い5%
353ms
1,000回のコスト
$0.0018
#4PerplexityDecider V1.286.1±4.1
時間が十分なとき
100.0
遅くて失った点
−13.9
🐭 命中
86%
応答の中央値
336ms
遅い5%
438ms
1,000回のコスト
$0.0035
#5TypeSafeJev 1.1382.7±5.6
時間が十分なとき
100.0
遅くて失った点
−17.3
🐭 命中
82%
応答の中央値
384ms
遅い5%
503ms
1,000回のコスト
$0.017
#6TypeSafeJev 1.1480.7±5.9
時間が十分なとき
100.0
遅くて失った点
−19.3
🐭 命中
81%
応答の中央値
399ms
遅い5%
459ms
1,000回のコスト
$0.018
#7PerplexityPerplexity Decider v1.1 27B79.4±4.7
時間が十分なとき
100.0
遅くて失った点
−20.6
🐭 命中
79%
応答の中央値
406ms
遅い5%
579ms
1,000回のコスト
$0.0036
#8CloudflareClef73.0±9.7
時間が十分なとき
100.0
遅くて失った点
−27.0
🐭 命中
72%
応答の中央値
400ms
遅い5%
817ms
1,000回のコスト
$0.053
#9CloudflareClef Flash61.1±8.8
時間が十分なとき
100.0
遅くて失った点
−38.9
🐭 命中
61%
応答の中央値
475ms
遅い5%
971ms
1,000回のコスト
$0.020
#10Liquid AID160.5±9.8
時間が十分なとき
100.0
遅くて失った点
−39.5
🐭 命中
60%
応答の中央値
499ms
遅い5%
732ms
1,000回のコスト
$0.0028
#11Liquid AID1 Ultra52.7±10.1
時間が十分なとき
100.0
遅くて失った点
−47.3
🐭 命中
52%
応答の中央値
525ms
遅い5%
1.1s
1,000回のコスト
$0.0058
#12ScaleDownClassify-149.5±9.5
時間が十分なとき
97.1
遅くて失った点
−47.5
🐭 命中
49%
応答の中央値
551ms
遅い5%
861ms
1,000回のコスト
$0.013
#13Nace AIDrex v1.549.1±8.5
時間が十分なとき
100.0
遅くて失った点
−50.9
🐭 命中
49%
応答の中央値
504ms
遅い5%
950ms
1,000回のコスト
$0.0043
#14AlibabaDecision Model Preview45.5±11.3
時間が十分なとき
66.1
遅くて失った点
−20.6
🐭 命中
53%
応答の中央値
643ms
遅い5%
823ms
1,000回のコスト
期間限定無料
#15Nace AIDrex v2.040.7±9.5
時間が十分なとき
100.0
遅くて失った点
−59.3
🐭 命中
40%
応答の中央値
547ms
遅い5%
1.0s
1,000回のコスト
$0.0065
#16Nace AIDrex Max39.9±7.4
時間が十分なとき
100.0
遅くて失った点
−60.1
🐭 命中
40%
応答の中央値
538ms
遅い5%
1.1s
1,000回のコスト
$0.011
#17UpstageSolar Decide Flash36.7±6.3
時間が十分なとき
50.4
遅くて失った点
−13.7
🐭 命中
49%
応答の中央値
545ms
遅い5%
858ms
1,000回のコスト
$0.021
#18RespanSpan-0233.8±9.3
時間が十分なとき
100.0
遅くて失った点
−66.2
🐭 命中
34%
応答の中央値
763ms
遅い5%
1.1s
1,000回のコスト
$0.0018
#19MicrosoftMicrosoft-Decision-130.5±6.9
時間が十分なとき
100.0
遅くて失った点
−69.5
🐭 命中
30%
応答の中央値
631ms
遅い5%
1.6s
1,000回のコスト
$0.0050
#20Jared PalmerKev 4B30.4±5.0
時間が十分なとき
100.0
遅くて失った点
−69.6
🐭 命中
31%
応答の中央値
723ms
遅い5%
1.2s
1,000回のコスト
$0.0046
#21InceptionMercury Decide15.1±4.2
時間が十分なとき
100.0
遅くて失った点
−84.9
🐭 命中
15%
応答の中央値
302ms
遅い5%
834ms
1,000回のコスト
期間限定無料
#22UpstageSolar Decide10.2±6.8
時間が十分なとき
97.0
遅くて失った点
−86.8
🐭 命中
9%
応答の中央値
1.9s
遅い5%
7.2s
1,000回のコスト
$0.021

順位	モデル	リアルタイム点数	時間が十分なとき	遅くて失った点	🐭 命中	応答の中央値	遅い5%	1,000回のコスト
🥇	CloudflareClef Omni	98.1±2.1	100.0	−1.9	98%	129ms	263ms	$0.032
🥈	OpenAIGPT-6 Luna Decisions	93.6±8.2	99.5	−5.9	94%	226ms	368ms	$0.020
🥉	PerplexityDecider Flash V1.2	93.2±4.0	100.0	−6.8	93%	260ms	353ms	$0.0018
#4	PerplexityDecider V1.2	86.1±4.1	100.0	−13.9	86%	336ms	438ms	$0.0035
#5	TypeSafeJev 1.13	82.7±5.6	100.0	−17.3	82%	384ms	503ms	$0.017
#6	TypeSafeJev 1.14	80.7±5.9	100.0	−19.3	81%	399ms	459ms	$0.018
#7	PerplexityPerplexity Decider v1.1 27B	79.4±4.7	100.0	−20.6	79%	406ms	579ms	$0.0036
#8	CloudflareClef	73.0±9.7	100.0	−27.0	72%	400ms	817ms	$0.053
#9	CloudflareClef Flash	61.1±8.8	100.0	−38.9	61%	475ms	971ms	$0.020
#10	Liquid AID1	60.5±9.8	100.0	−39.5	60%	499ms	732ms	$0.0028
#11	Liquid AID1 Ultra	52.7±10.1	100.0	−47.3	52%	525ms	1.1s	$0.0058
#12	ScaleDownClassify-1	49.5±9.5	97.1	−47.5	49%	551ms	861ms	$0.013
#13	Nace AIDrex v1.5	49.1±8.5	100.0	−50.9	49%	504ms	950ms	$0.0043
#14	AlibabaDecision Model Preview	45.5±11.3	66.1	−20.6	53%	643ms	823ms	期間限定無料
#15	Nace AIDrex v2.0	40.7±9.5	100.0	−59.3	40%	547ms	1.0s	$0.0065
#16	Nace AIDrex Max	39.9±7.4	100.0	−60.1	40%	538ms	1.1s	$0.011
#17	UpstageSolar Decide Flash	36.7±6.3	50.4	−13.7	49%	545ms	858ms	$0.021
#18	RespanSpan-02	33.8±9.3	100.0	−66.2	34%	763ms	1.1s	$0.0018
#19	MicrosoftMicrosoft-Decision-1	30.5±6.9	100.0	−69.5	30%	631ms	1.6s	$0.0050
#20	Jared PalmerKev 4B	30.4±5.0	100.0	−69.6	31%	723ms	1.2s	$0.0046
#21	InceptionMercury Decide	15.1±4.2	100.0	−84.9	15%	302ms	834ms	期間限定無料
#22	UpstageSolar Decide	10.2±6.8	97.0	−86.8	9%	1.9s	7.2s	$0.021

点数は対戦ごとに満点（モグラの数×2）に対する%に換算して平均しました。

🐭が表示された時間別の命中率

モデル	短い（0.7秒未満）	普通（0.7〜1.2秒）	長い（1.2秒以上）
Clef Omni	98%	98%	98%
GPT-6 Luna Decisions	95%	97%	89%
Decider Flash V1.2	85%	97%	95%
Decider V1.2	69%	93%	90%
Jev 1.13	59%	92%	90%
Jev 1.14	56%	90%	90%
Perplexity Decider v1.1 27B	54%	89%	89%
Clef	41%	81%	89%
Clef Flash	34%	63%	84%
D1	14%	71%	89%
D1 Ultra	20%	54%	78%
Classify-1	12%	54%	78%
Drex v1.5	24%	46%	78%
Decision Model Preview	17%	58%	79%
Drex v2.0	8%	42%	68%
Drex Max	3%	42%	71%
Solar Decide Flash	14%	53%	78%
Span-02	2%	27%	73%
Microsoft-Decision-1	0%	27%	62%
Kev 4B	0%	25%	68%
Mercury Decide	2%	17%	24%
Solar Decide	2%	10%	16%

モグラが早く引っ込むほど、応答の遅いAIモデルは判断する前に逃します。この表が速さの差を最も直接的に示します。

動画で見る

動画は同じ日に測定した1回の対戦を実際の速さで見せます。上のランキングは10回の平均なので、動画の結果と異なることがあります。

スネーク

5回測定の平均

ヘビが15×15のボードを1マスずつ進みます。AIモデルは毎回、左・直進・右のどれかを選び、壁や自分の体にぶつかると終わりです。🍎を食べると+1点、🍅・🍓は−1点です。ゲーム全体は最長60秒で、ヘビは1秒に1マスから始まり、60秒かけて0.25秒に1マスまで速くなります。

🥇OpenAIGPT-6 Luna Decisions71.0±20.4
時間が十分なとき
79.0
遅くて失った点
−8.0
平均生存
54.5秒
リンゴ点数
5.0
応答の中央値
241ms
遅い5%
411ms
1,000回のコスト
$0.024
🥈CloudflareClef Omni64.6±40.4
時間が十分なとき
88.6
遅くて失った点
−24.0
平均生存
40.2秒
リンゴ点数
11.8
応答の中央値
170ms
遅い5%
342ms
1,000回のコスト
$0.040
🥉PerplexityDecider Flash V1.256.8±46.3
時間が十分なとき
97.0
遅くて失った点
−40.2
平均生存
35.0秒
リンゴ点数
11.0
応答の中央値
259ms
遅い5%
325ms
1,000回のコスト
$0.0024
#4Nace AIDrex Max52.3±17.5
時間が十分なとき
90.1
遅くて失った点
−37.8
平均生存
40.9秒
リンゴ点数
3.0
応答の中央値
714ms
遅い5%
905ms
1,000回のコスト
$0.015
#5TypeSafeJev 1.1350.4±2.8
時間が十分なとき
83.9
遅くて失った点
−33.5
平均生存
34.0秒
リンゴ点数
7.2
応答の中央値
419ms
遅い5%
565ms
1,000回のコスト
$0.021
#6CloudflareClef50.1±11.0
時間が十分なとき
83.0
遅くて失った点
−32.9
平均生存
34.2秒
リンゴ点数
6.8
応答の中央値
360ms
遅い5%
871ms
1,000回のコスト
$0.065
#7PerplexityDecider V1.249.3±39.7
時間が十分なとき
95.8
遅くて失った点
−46.5
平均生存
30.4秒
リンゴ点数
9.2
応答の中央値
336ms
遅い5%
471ms
1,000回のコスト
$0.0048
#8TypeSafeJev 1.1445.7±15.9
時間が十分なとき
97.0
遅くて失った点
−51.3
平均生存
30.7秒
リンゴ点数
6.6
応答の中央値
403ms
遅い5%
496ms
1,000回のコスト
$0.021
#9CloudflareClef Flash44.6±21.6
時間が十分なとき
92.5
遅くて失った点
−47.9
平均生存
29.3秒
リンゴ点数
7.0
応答の中央値
371ms
遅い5%
1.1s
1,000回のコスト
$0.024
#10ScaleDownClassify-142.9±23.7
時間が十分なとき
43.1
遅くて失った点
−0.2
平均生存
33.7秒
リンゴ点数
2.4
応答の中央値
574ms
遅い5%
1.0s
1,000回のコスト
$0.015
#11MicrosoftMicrosoft-Decision-138.6±30.6
時間が十分なとき
96.4
遅くて失った点
−57.8
平均生存
29.5秒
リンゴ点数
2.8
応答の中央値
636ms
遅い5%
1.6s
1,000回のコスト
$0.0069
#12Liquid AID134.8±4.2
時間が十分なとき
89.6
遅くて失った点
−54.8
平均生存
25.2秒
リンゴ点数
3.6
応答の中央値
512ms
遅い5%
622ms
1,000回のコスト
$0.0083
#13Nace AIDrex v1.534.1±22.8
時間が十分なとき
95.5
遅くて失った点
−61.4
平均生存
24.3秒
リンゴ点数
3.8
応答の中央値
494ms
遅い5%
1.2s
1,000回のコスト
$0.0066
#14PerplexityPerplexity Decider v1.1 27B32.4±26.3
時間が十分なとき
93.4
遅くて失った点
−61.0
平均生存
22.6秒
リンゴ点数
4.0
応答の中央値
386ms
遅い5%
757ms
1,000回のコスト
$0.0048
#15Nace AIDrex v2.028.8±24.4
時間が十分なとき
94.8
遅くて失った点
−65.9
平均生存
21.1秒
リンゴ点数
2.8
応答の中央値
547ms
遅い5%
1.0s
1,000回のコスト
$0.0098
#16AlibabaDecision Model Preview24.7±15.4
時間が十分なとき
85.3
遅くて失った点
−60.7
平均生存
18.3秒
リンゴ点数
2.2
応答の中央値
653ms
遅い5%
1.1s
1,000回のコスト
期間限定無料
#17Jared PalmerKev 4B24.0±24.3
時間が十分なとき
78.8
遅くて失った点
−54.8
平均生存
18.0秒
リンゴ点数
2.0
応答の中央値
707ms
遅い5%
1.4s
1,000回のコスト
$0.0069
#18UpstageSolar Decide Flash23.3±9.2
時間が十分なとき
30.3
遅くて失った点
−7.0
平均生存
17.6秒
リンゴ点数
1.8
応答の中央値
545ms
遅い5%
710ms
1,000回のコスト
$0.024
#19Liquid AID1 Ultra21.5±10.7
時間が十分なとき
88.5
遅くて失った点
−67.0
平均生存
15.6秒
リンゴ点数
2.2
応答の中央値
601ms
遅い5%
1.6s
1,000回のコスト
$0.0087
#20RespanSpan-0218.1±15.8
時間が十分なとき
91.2
遅くて失った点
−73.1
平均生存
14.5秒
リンゴ点数
0.8
応答の中央値
780ms
遅い5%
2.5s
1,000回のコスト
$0.0025
#21InceptionMercury Decide16.2±8.6
時間が十分なとき
93.7
遅くて失った点
−77.4
平均生存
12.6秒
リンゴ点数
1.0
応答の中央値
307ms
遅い5%
464ms
1,000回のコスト
期間限定無料
#22UpstageSolar Decide8.4±0.8
時間が十分なとき
24.9
遅くて失った点
−16.5
平均生存
6.9秒
リンゴ点数
0.2
応答の中央値
5.7s
遅い5%
10.8s
1,000回のコスト
$0.0099

順位	モデル	リアルタイム点数	時間が十分なとき	遅くて失った点	平均生存	リンゴ点数	応答の中央値	遅い5%	1,000回のコスト
🥇	OpenAIGPT-6 Luna Decisions	71.0±20.4	79.0	−8.0	54.5秒	5.0	241ms	411ms	$0.024
🥈	CloudflareClef Omni	64.6±40.4	88.6	−24.0	40.2秒	11.8	170ms	342ms	$0.040
🥉	PerplexityDecider Flash V1.2	56.8±46.3	97.0	−40.2	35.0秒	11.0	259ms	325ms	$0.0024
#4	Nace AIDrex Max	52.3±17.5	90.1	−37.8	40.9秒	3.0	714ms	905ms	$0.015
#5	TypeSafeJev 1.13	50.4±2.8	83.9	−33.5	34.0秒	7.2	419ms	565ms	$0.021
#6	CloudflareClef	50.1±11.0	83.0	−32.9	34.2秒	6.8	360ms	871ms	$0.065
#7	PerplexityDecider V1.2	49.3±39.7	95.8	−46.5	30.4秒	9.2	336ms	471ms	$0.0048
#8	TypeSafeJev 1.14	45.7±15.9	97.0	−51.3	30.7秒	6.6	403ms	496ms	$0.021
#9	CloudflareClef Flash	44.6±21.6	92.5	−47.9	29.3秒	7.0	371ms	1.1s	$0.024
#10	ScaleDownClassify-1	42.9±23.7	43.1	−0.2	33.7秒	2.4	574ms	1.0s	$0.015
#11	MicrosoftMicrosoft-Decision-1	38.6±30.6	96.4	−57.8	29.5秒	2.8	636ms	1.6s	$0.0069
#12	Liquid AID1	34.8±4.2	89.6	−54.8	25.2秒	3.6	512ms	622ms	$0.0083
#13	Nace AIDrex v1.5	34.1±22.8	95.5	−61.4	24.3秒	3.8	494ms	1.2s	$0.0066
#14	PerplexityPerplexity Decider v1.1 27B	32.4±26.3	93.4	−61.0	22.6秒	4.0	386ms	757ms	$0.0048
#15	Nace AIDrex v2.0	28.8±24.4	94.8	−65.9	21.1秒	2.8	547ms	1.0s	$0.0098
#16	AlibabaDecision Model Preview	24.7±15.4	85.3	−60.7	18.3秒	2.2	653ms	1.1s	期間限定無料
#17	Jared PalmerKev 4B	24.0±24.3	78.8	−54.8	18.0秒	2.0	707ms	1.4s	$0.0069
#18	UpstageSolar Decide Flash	23.3±9.2	30.3	−7.0	17.6秒	1.8	545ms	710ms	$0.024
#19	Liquid AID1 Ultra	21.5±10.7	88.5	−67.0	15.6秒	2.2	601ms	1.6s	$0.0087
#20	RespanSpan-02	18.1±15.8	91.2	−73.1	14.5秒	0.8	780ms	2.5s	$0.0025
#21	InceptionMercury Decide	16.2±8.6	93.7	−77.4	12.6秒	1.0	307ms	464ms	期間限定無料
#22	UpstageSolar Decide	8.4±0.8	24.9	−16.5	6.9秒	0.2	5.7s	10.8s	$0.0099

点数は生存時間70%、リンゴ点数30%で計算します。目標は長く生き残ることで、リンゴは補助の点数です。

ゲームが終わった理由

モデル

壁にぶつかった
自分の体にぶつかった
最後まで生存

GPT-6 Luna Decisions
Clef Omni
Decider Flash V1.2
Drex Max
Jev 1.13
Clef
Decider V1.2
Jev 1.14
Clef Flash
Classify-1
Microsoft-Decision-1
D1
Drex v1.5
Perplexity Decider v1.1 27B
Drex v2.0
Decision Model Preview
Kev 4B
Solar Decide Flash
D1 Ultra
Span-02
Mercury Decide
Solar Decide

応答が遅いと、向きを変える前に壁にぶつかります。時間が十分なときは、22モデル中15モデルが54秒以上生き残りました。

動画で見る

動画は同じ日に測定した1回の対戦を2倍速で見せます。上のランキングは5回の平均なので、動画の結果と異なることがあります。

テトリス

5回測定の平均

10×20の盤面にブロックが一つずつ落ちてきます。AIモデルはブロックごとに置く向きと位置を選び、すべて埋まった列は消えます。ブロックの順番は同じで、ブロックが増えるほど落ちる速さが上がります（1マス0.35秒 → 150個目0.02秒）。

🥇OpenAIGPT-6 Luna Decisions52.1±20.7
時間が十分なとき
76.0
遅くて失った点
−23.9
積んだブロック
78.2個
消した列
21.6
避けられた穴
11%
応答の中央値
237ms
遅い5%
377ms
1,000回のコスト
$0.095
🥈TypeSafeJev 1.1351.1±17.4
時間が十分なとき
82.5
遅くて失った点
−31.5
積んだブロック
76.6個
消した列
22.8
避けられた穴
2%
応答の中央値
383ms
遅い5%
462ms
1,000回のコスト
$0.056
🥉PerplexityPerplexity Decider v1.1 27B42.0±14.6
時間が十分なとき
73.9
遅くて失った点
−31.9
積んだブロック
63.0個
消した列
16.4
避けられた穴
3%
応答の中央値
405ms
遅い5%
515ms
1,000回のコスト
$0.020
#4TypeSafeJev 1.1440.4±21.9
時間が十分なとき
62.9
遅くて失った点
−22.5
積んだブロック
60.6個
消した列
16.8
避けられた穴
2%
応答の中央値
387ms
遅い5%
469ms
1,000回のコスト
$0.056
#5Liquid AID131.5±13.2
時間が十分なとき
61.3
遅くて失った点
−29.9
積んだブロック
47.2個
消した列
10.6
避けられた穴
3%
応答の中央値
524ms
遅い5%
656ms
1,000回のコスト
$0.016
#6CloudflareClef29.1±7.7
時間が十分なとき
52.7
遅くて失った点
−23.6
積んだブロック
43.6個
消した列
9.0
避けられた穴
10%
応答の中央値
407ms
遅い5%
775ms
1,000回のコスト
$0.297
#7PerplexityDecider V1.228.8±16.6
時間が十分なとき
50.7
遅くて失った点
−21.9
積んだブロック
43.2個
消した列
9.4
避けられた穴
2%
応答の中央値
352ms
遅い5%
493ms
1,000回のコスト
$0.020
#8MicrosoftMicrosoft-Decision-126.8±6.1
時間が十分なとき
62.0
遅くて失った点
−35.2
積んだブロック
40.2個
消した列
7.8
避けられた穴
9%
応答の中央値
636ms
遅い5%
1.5s
1,000回のコスト
$0.037
#9Liquid AID1 Ultra26.5±8.7
時間が十分なとき
65.2
遅くて失った点
−38.7
積んだブロック
39.8個
消した列
7.4
避けられた穴
2%
応答の中央値
535ms
遅い5%
1.0s
1,000回のコスト
$0.034
#10Nace AIDrex v2.024.5±8.7
時間が十分なとき
38.9
遅くて失った点
−14.4
積んだブロック
36.8個
消した列
7.0
避けられた穴
2%
応答の中央値
821ms
遅い5%
1.1s
1,000回のコスト
$0.055
#11Nace AIDrex Max23.3±8.7
時間が十分なとき
39.5
遅くて失った点
−16.1
積んだブロック
35.0個
消した列
6.6
避けられた穴
3%
応答の中央値
723ms
遅い5%
1.4s
1,000回のコスト
$0.059
#12RespanSpan-0223.2±6.4
時間が十分なとき
40.5
遅くて失った点
−17.3
積んだブロック
34.8個
消した列
5.6
避けられた穴
7%
応答の中央値
660ms
遅い5%
1.2s
1,000回のコスト
$0.0088
#13PerplexityDecider Flash V1.220.1±4.9
時間が十分なとき
25.2
遅くて失った点
−5.1
積んだブロック
30.2個
消した列
1.8
避けられた穴
5%
応答の中央値
265ms
遅い5%
437ms
1,000回のコスト
$0.0097
#14Nace AIDrex v1.518.3±7.6
時間が十分なとき
32.3
遅くて失った点
−14.0
積んだブロック
27.4個
消した列
3.0
避けられた穴
2%
応答の中央値
822ms
遅い5%
1.2s
1,000回のコスト
$0.036
#15ScaleDownClassify-117.7±6.2
時間が十分なとき
42.8
遅くて失った点
−25.1
積んだブロック
26.6個
消した列
3.0
避けられた穴
4%
応答の中央値
798ms
遅い5%
1.6s
1,000回のコスト
$0.142
#16Jared PalmerKev 4B14.4±3.0
時間が十分なとき
19.7
遅くて失った点
−5.3
積んだブロック
21.6個
消した列
0.2
避けられた穴
14%
応答の中央値
845ms
遅い5%
1.3s
1,000回のコスト
$0.038
#17CloudflareClef Flash14.1±3.0
時間が十分なとき
17.2
遅くて失った点
−3.1
積んだブロック
21.2個
消した列
0.8
避けられた穴
52%
応答の中央値
499ms
遅い5%
1.1s
1,000回のコスト
$0.110
#18AlibabaDecision Model Preview13.2±0.9
時間が十分なとき
14.8
遅くて失った点
−1.6
積んだブロック
19.8個
消した列
0.2
避けられた穴
38%
応答の中央値
690ms
遅い5%
1.1s
1,000回のコスト
期間限定無料
#19CloudflareClef Omni12.3±4.3
時間が十分なとき
13.6
遅くて失った点
−1.3
積んだブロック
18.4個
消した列
0.2
避けられた穴
47%
応答の中央値
250ms
遅い5%
510ms
1,000回のコスト
$0.185
#20InceptionMercury Decide10.9±1.1
時間が十分なとき
37.3
遅くて失った点
−26.4
積んだブロック
16.4個
消した列
0.4
避けられた穴
3%
応答の中央値
380ms
遅い5%
653ms
1,000回のコスト
期間限定無料
#21UpstageSolar Decide Flash9.3±1.3
時間が十分なとき
9.6
遅くて失った点
−0.3
積んだブロック
14.0個
消した列
0.0
避けられた穴
7%
応答の中央値
557ms
遅い5%
998ms
1,000回のコスト
$0.026
—UpstageSolar Decide測定不可 *

順位	モデル	リアルタイム点数	時間が十分なとき	遅くて失った点	積んだブロック	消した列	避けられた穴	応答の中央値	遅い5%	1,000回のコスト
🥇	OpenAIGPT-6 Luna Decisions	52.1±20.7	76.0	−23.9	78.2個	21.6	11%	237ms	377ms	$0.095
🥈	TypeSafeJev 1.13	51.1±17.4	82.5	−31.5	76.6個	22.8	2%	383ms	462ms	$0.056
🥉	PerplexityPerplexity Decider v1.1 27B	42.0±14.6	73.9	−31.9	63.0個	16.4	3%	405ms	515ms	$0.020
#4	TypeSafeJev 1.14	40.4±21.9	62.9	−22.5	60.6個	16.8	2%	387ms	469ms	$0.056
#5	Liquid AID1	31.5±13.2	61.3	−29.9	47.2個	10.6	3%	524ms	656ms	$0.016
#6	CloudflareClef	29.1±7.7	52.7	−23.6	43.6個	9.0	10%	407ms	775ms	$0.297
#7	PerplexityDecider V1.2	28.8±16.6	50.7	−21.9	43.2個	9.4	2%	352ms	493ms	$0.020
#8	MicrosoftMicrosoft-Decision-1	26.8±6.1	62.0	−35.2	40.2個	7.8	9%	636ms	1.5s	$0.037
#9	Liquid AID1 Ultra	26.5±8.7	65.2	−38.7	39.8個	7.4	2%	535ms	1.0s	$0.034
#10	Nace AIDrex v2.0	24.5±8.7	38.9	−14.4	36.8個	7.0	2%	821ms	1.1s	$0.055
#11	Nace AIDrex Max	23.3±8.7	39.5	−16.1	35.0個	6.6	3%	723ms	1.4s	$0.059
#12	RespanSpan-02	23.2±6.4	40.5	−17.3	34.8個	5.6	7%	660ms	1.2s	$0.0088
#13	PerplexityDecider Flash V1.2	20.1±4.9	25.2	−5.1	30.2個	1.8	5%	265ms	437ms	$0.0097
#14	Nace AIDrex v1.5	18.3±7.6	32.3	−14.0	27.4個	3.0	2%	822ms	1.2s	$0.036
#15	ScaleDownClassify-1	17.7±6.2	42.8	−25.1	26.6個	3.0	4%	798ms	1.6s	$0.142
#16	Jared PalmerKev 4B	14.4±3.0	19.7	−5.3	21.6個	0.2	14%	845ms	1.3s	$0.038
#17	CloudflareClef Flash	14.1±3.0	17.2	−3.1	21.2個	0.8	52%	499ms	1.1s	$0.110
#18	AlibabaDecision Model Preview	13.2±0.9	14.8	−1.6	19.8個	0.2	38%	690ms	1.1s	期間限定無料
#19	CloudflareClef Omni	12.3±4.3	13.6	−1.3	18.4個	0.2	47%	250ms	510ms	$0.185
#20	InceptionMercury Decide	10.9±1.1	37.3	−26.4	16.4個	0.4	3%	380ms	653ms	期間限定無料
#21	UpstageSolar Decide Flash	9.3±1.3	9.6	−0.3	14.0個	0.0	7%	557ms	998ms	$0.026
—	UpstageSolar Decide	測定不可 *	—	—	—	—	—	—	—	—

* Solar Decide：1つの質問で受け取れる選択肢の数の上限と応答時間の超過で、質問の半分以上に答えられず、測定できませんでした。

測定できなかったモデルの総合点数は、測定したゲームだけで算出しました。

点数は積んだブロック数で計算します。列を消すのは長く耐えるための手段なので、点数には別途反映しません（積んだブロックとほぼ比例）。落ちる速さはブロックの数に比例するため、全体の時間ではなく落ちたブロック数がこのゲームの測定指標です。

積んだブロックの数

モデル

リアルタイム
時間が十分なとき

GPT-6 Luna Decisions
Jev 1.13
Perplexity Decider v1.1 27B
Jev 1.14
D1
Clef
Decider V1.2
Microsoft-Decision-1
D1 Ultra
Drex v2.0
Drex Max
Span-02
Decider Flash V1.2
Drex v1.5
Classify-1
Kev 4B
Clef Flash
Decision Model Preview
Clef Omni
Mercury Decide
Solar Decide Flash

時間が十分でもグラフが短ければ判断で、リアルタイムだけグラフが短ければ速さで後れを取っています。

動画で見る

動画は同じ日に測定した1回の対戦を2倍速で見せます。上のランキングは5回の平均なので、動画の結果と異なることがあります。

卓球

8回測定の平均

AIモデルが下側のパドルを担当し、上側の基準ボットと5点先取で対戦します。ボールが飛んでくると打ち返す角度を5つから選び、答えが届いて初めてパドルが動きます。選択肢ごとに、ボールが相手側のどこに落ちるか、ボールが届く時間と相手パドルがそこまで動く時間を一緒に伝えます。ボールは打ち合うほど速くなります。

🥇PerplexityDecider V1.261.4±34.3
時間が十分なとき
100.0
遅くて失った点
−38.6
ボット段階別
10‑0 · 10‑1 · 7‑8 · 1‑10
最善の角度
68%
応答の中央値
370ms
遅い5%
714ms
1,000回のコスト
$0.0092
🥈OpenAIGPT-6 Luna Decisions61.4±34.3
時間が十分なとき
94.3
遅くて失った点
−33.0
ボット段階別
10‑1 · 10‑0 · 6‑8 · 2‑10
最善の角度
58%
応答の中央値
230ms
遅い5%
493ms
1,000回のコスト
$0.044
🥉PerplexityPerplexity Decider v1.1 27B56.8±40.2
時間が十分なとき
100.0
遅くて失った点
−43.2
ボット段階別
10‑0 · 10‑1 · 5‑7 · 0‑10
最善の角度
69%
応答の中央値
367ms
遅い5%
623ms
1,000回のコスト
$0.0092
#4PerplexityDecider Flash V1.252.1±39.7
時間が十分なとき
100.0
遅くて失った点
−47.9
ボット段階別
10‑0 · 10‑1 · 1‑10 · 1‑10
最善の角度
63%
応答の中央値
290ms
遅い5%
557ms
1,000回のコスト
$0.0046
#5Liquid AID1 Ultra51.5±37.1
時間が十分なとき
100.0
遅くて失った点
−48.5
ボット段階別
10‑1 · 10‑1 · 3‑10 · 0‑10
最善の角度
66%
応答の中央値
526ms
遅い5%
652ms
1,000回のコスト
$0.016
#6CloudflareClef49.5±25.1
時間が十分なとき
97.9
遅くて失った点
−48.4
ボット段階別
10‑3 · 10‑4 · 7‑10 · 1‑10
最善の角度
67%
応答の中央値
372ms
遅い5%
874ms
1,000回のコスト
$0.125
#7TypeSafeJev 1.1449.4±38.9
時間が十分なとき
97.9
遅くて失った点
−48.5
ボット段階別
10‑0 · 10‑2 · 2‑10 · 0‑10
最善の角度
45%
応答の中央値
392ms
遅い5%
497ms
1,000回のコスト
$0.030
#8TypeSafeJev 1.1348.5±37.1
時間が十分なとき
100.0
遅くて失った点
−51.5
ボット段階別
10‑1 · 10‑2 · 2‑10 · 0‑10
最善の角度
56%
応答の中央値
400ms
遅い5%
541ms
1,000回のコスト
$0.030
#9CloudflareClef Flash47.9±39.7
時間が十分なとき
100.0
遅くて失った点
−52.1
ボット段階別
10‑2 · 10‑0 · 1‑10 · 0‑10
最善の角度
60%
応答の中央値
293ms
遅い5%
895ms
1,000回のコスト
$0.047
#10CloudflareClef Omni46.4±38.8
時間が十分なとき
84.5
遅くて失った点
−38.1
ボット段階別
10‑0 · 10‑3 · 1‑10 · 0‑10
最善の角度
32%
応答の中央値
186ms
遅い5%
575ms
1,000回のコスト
$0.078
#11Liquid AID143.1±32.1
時間が十分なとき
97.9
遅くて失った点
−54.9
ボット段階別
10‑1 · 9‑7 · 3‑10 · 0‑10
最善の角度
46%
応答の中央値
521ms
遅い5%
725ms
1,000回のコスト
$0.0077
#12AlibabaDecision Model Preview29.6±29.2
時間が十分なとき
84.5
遅くて失った点
−54.9
ボット段階別
10‑4 · 7‑8 · 0‑10 · 0‑10
最善の角度
31%
応答の中央値
667ms
遅い5%
1.2s
1,000回のコスト
期間限定無料
#13MicrosoftMicrosoft-Decision-126.6±28.3
時間が十分なとき
91.7
遅くて失った点
−65.1
ボット段階別
10‑4 · 4‑10 · 0‑10 · 0‑10
最善の角度
36%
応答の中央値
664ms
遅い5%
1.5s
1,000回のコスト
$0.016
#14Nace AIDrex v1.524.1±25.3
時間が十分なとき
100.0
遅くて失った点
−75.9
ボット段階別
10‑5 · 4‑10 · 0‑10 · 0‑10
最善の角度
77%
応答の中央値
835ms
遅い5%
1.1s
1,000回のコスト
$0.015
#15Jared PalmerKev 4B21.4±24.3
時間が十分なとき
100.0
遅くて失った点
−78.6
ボット段階別
10‑4 · 2‑10 · 0‑10 · 0‑10
最善の角度
8%
応答の中央値
713ms
遅い5%
1.3s
1,000回のコスト
$0.016
#16UpstageSolar Decide Flash21.4±25.4
時間が十分なとき
89.3
遅くて失った点
−67.9
ボット段階別
10‑3 · 1‑10 · 0‑10 · 0‑10
最善の角度
27%
応答の中央値
537ms
遅い5%
811ms
1,000回のコスト
$0.035
#17Nace AIDrex Max20.3±22.9
時間が十分なとき
95.8
遅くて失った点
−75.5
ボット段階別
10‑5 · 2‑10 · 0‑10 · 0‑10
最善の角度
74%
応答の中央値
865ms
遅い5%
1.3s
1,000回のコスト
$0.028
#18ScaleDownClassify-114.6±17.1
時間が十分なとき
94.6
遅くて失った点
−80.1
ボット段階別
8‑8 · 1‑10 · 0‑10 · 0‑10
最善の角度
38%
応答の中央値
1.0s
遅い5%
2.6s
1,000回のコスト
$0.032
#19Nace AIDrex v2.010.4±17.5
時間が十分なとき
51.9
遅くて失った点
−41.4
ボット段階別
5‑6 · 0‑10 · 0‑10 · 0‑10
最善の角度
28%
応答の中央値
938ms
遅い5%
1.6s
1,000回のコスト
$0.022
#20RespanSpan-028.9±15.0
時間が十分なとき
97.9
遅くて失った点
−89.0
ボット段階別
5‑7 · 0‑10 · 0‑10 · 0‑10
最善の角度
54%
応答の中央値
1.0s
遅い5%
2.9s
1,000回のコスト
$0.0046
#21InceptionMercury Decide2.1±3.5
時間が十分なとき
97.9
遅くて失った点
−95.8
ボット段階別
1‑10 · 0‑10 · 0‑10 · 0‑10
最善の角度
59%
応答の中央値
313ms
遅い5%
798ms
1,000回のコスト
期間限定無料
#22UpstageSolar Decide0.0±0.0
時間が十分なとき
44.8
遅くて失った点
−44.8
ボット段階別
0‑10 · 0‑10 · 0‑10 · 0‑10
最善の角度
48%
応答の中央値
9.9s
遅い5%
10.7s
1,000回のコスト
$0.030

順位	モデル	リアルタイム点数	時間が十分なとき	遅くて失った点	ボット段階別	最善の角度	応答の中央値	遅い5%	1,000回のコスト
🥇	PerplexityDecider V1.2	61.4±34.3	100.0	−38.6	10‑0 · 10‑1 · 7‑8 · 1‑10	68%	370ms	714ms	$0.0092
🥈	OpenAIGPT-6 Luna Decisions	61.4±34.3	94.3	−33.0	10‑1 · 10‑0 · 6‑8 · 2‑10	58%	230ms	493ms	$0.044
🥉	PerplexityPerplexity Decider v1.1 27B	56.8±40.2	100.0	−43.2	10‑0 · 10‑1 · 5‑7 · 0‑10	69%	367ms	623ms	$0.0092
#4	PerplexityDecider Flash V1.2	52.1±39.7	100.0	−47.9	10‑0 · 10‑1 · 1‑10 · 1‑10	63%	290ms	557ms	$0.0046
#5	Liquid AID1 Ultra	51.5±37.1	100.0	−48.5	10‑1 · 10‑1 · 3‑10 · 0‑10	66%	526ms	652ms	$0.016
#6	CloudflareClef	49.5±25.1	97.9	−48.4	10‑3 · 10‑4 · 7‑10 · 1‑10	67%	372ms	874ms	$0.125
#7	TypeSafeJev 1.14	49.4±38.9	97.9	−48.5	10‑0 · 10‑2 · 2‑10 · 0‑10	45%	392ms	497ms	$0.030
#8	TypeSafeJev 1.13	48.5±37.1	100.0	−51.5	10‑1 · 10‑2 · 2‑10 · 0‑10	56%	400ms	541ms	$0.030
#9	CloudflareClef Flash	47.9±39.7	100.0	−52.1	10‑2 · 10‑0 · 1‑10 · 0‑10	60%	293ms	895ms	$0.047
#10	CloudflareClef Omni	46.4±38.8	84.5	−38.1	10‑0 · 10‑3 · 1‑10 · 0‑10	32%	186ms	575ms	$0.078
#11	Liquid AID1	43.1±32.1	97.9	−54.9	10‑1 · 9‑7 · 3‑10 · 0‑10	46%	521ms	725ms	$0.0077
#12	AlibabaDecision Model Preview	29.6±29.2	84.5	−54.9	10‑4 · 7‑8 · 0‑10 · 0‑10	31%	667ms	1.2s	期間限定無料
#13	MicrosoftMicrosoft-Decision-1	26.6±28.3	91.7	−65.1	10‑4 · 4‑10 · 0‑10 · 0‑10	36%	664ms	1.5s	$0.016
#14	Nace AIDrex v1.5	24.1±25.3	100.0	−75.9	10‑5 · 4‑10 · 0‑10 · 0‑10	77%	835ms	1.1s	$0.015
#15	Jared PalmerKev 4B	21.4±24.3	100.0	−78.6	10‑4 · 2‑10 · 0‑10 · 0‑10	8%	713ms	1.3s	$0.016
#16	UpstageSolar Decide Flash	21.4±25.4	89.3	−67.9	10‑3 · 1‑10 · 0‑10 · 0‑10	27%	537ms	811ms	$0.035
#17	Nace AIDrex Max	20.3±22.9	95.8	−75.5	10‑5 · 2‑10 · 0‑10 · 0‑10	74%	865ms	1.3s	$0.028
#18	ScaleDownClassify-1	14.6±17.1	94.6	−80.1	8‑8 · 1‑10 · 0‑10 · 0‑10	38%	1.0s	2.6s	$0.032
#19	Nace AIDrex v2.0	10.4±17.5	51.9	−41.4	5‑6 · 0‑10 · 0‑10 · 0‑10	28%	938ms	1.6s	$0.022
#20	RespanSpan-02	8.9±15.0	97.9	−89.0	5‑7 · 0‑10 · 0‑10 · 0‑10	54%	1.0s	2.9s	$0.0046
#21	InceptionMercury Decide	2.1±3.5	97.9	−95.8	1‑10 · 0‑10 · 0‑10 · 0‑10	59%	313ms	798ms	期間限定無料
#22	UpstageSolar Decide	0.0±0.0	44.8	−44.8	0‑10 · 0‑10 · 0‑10 · 0‑10	48%	9.9s	10.7s	$0.030

点数は得点率です。基準ボットはボールが落ちる場所を正確に知っていますが反応が遅く（1段階 1秒 · 2段階 0.6秒 · 3段階 0.35秒 · 4段階 0.2秒）、3·4段階はAIモデルのパドルから最も遠い方へ打ち返します。誰もボールを落とさず時間の上限に達した試合は引き分け（50%）として計算します。

得点率

モデル

リアルタイム
時間が十分なとき

Decider V1.2
GPT-6 Luna Decisions
Perplexity Decider v1.1 27B
Decider Flash V1.2
D1 Ultra
Clef
Jev 1.14
Jev 1.13
Clef Flash
Clef Omni
D1
Decision Model Preview
Microsoft-Decision-1
Drex v1.5
Kev 4B
Solar Decide Flash
Drex Max
Classify-1
Drex v2.0
Span-02
Mercury Decide
Solar Decide

時間が十分でもグラフが短ければ判断で、リアルタイムだけグラフが短ければ速さで後れを取っています。

動画で見る

動画は同じ日に測定した1試合を4倍速で見せます。上のランキングは8試合の平均なので、動画の結果と異なることがあります。

インサイト

ゲームは単なるテキストではなく、リアルタイムで状況を把握し、短い時間で繰り返し判断する力が重要です。同じAIモデルをテキスト判断（DecisionBench-KJ）・時間制限のないゲーム・リアルタイムのゲームの3条件で測定した結果は、どうだったのでしょうか？

01
判断力は引き継がれるが、リアルタイムが順位を入れ替える
両方のベンチマークにある22モデルのゲーム順位は、時間制限がないときはテキスト判断（KJ）の順位とほぼ同じでしたが、リアルタイムでは大きく変わりました。同じ判断力でも、時間内に答えられなければ点数につながりません。
テキスト判断（KJ）の順位との一致度
時間制限なし0.73
リアルタイム0.36
1に近いほど同じ順序、0なら無関係
テキストより大きく順位を下げたモデル
- Mercury DecideKJ 7位 → GAME 21位
- Solar DecideKJ 11位 → GAME 22位
テキストより大きく順位を上げたモデル
- Clef OmniKJ 16位 → GAME 5位
- Decider Flash V1.2KJ 13位 → GAME 4位
02
最も正確なモデルとリアルタイム1位は違う
2ゲームで、時間制限なしの1位とリアルタイム1位が違います。
スネーク
時間制限なしの1位 Decider Flash V1.2 ほか1モデルと同点97.0リアルタイム1位 GPT-6 Luna Decisions71.0
テトリス
時間制限なしの1位 Jev 1.1382.5リアルタイム1位 GPT-6 Luna Decisions52.1
03
普段の速さより、ときどきの遅れが順位を下げる
モグラたたき・スネーク・テトリス・卓球では、普段の応答速度よりも、ときどき大きく遅れる応答（最も遅い5%）のほうが順位と強く関係していました。ほとんど速くても、一度遅れるとその瞬間チャンスが過ぎるためです。リアルタイムのサービスなら平均速度より最も遅い応答を確認すべきです。
ゲーム順位との関連度
モグラたたき
普段の応答速度（中央値）0.79
最も遅い5%の応答0.85
スネーク
普段の応答速度（中央値）0.59
最も遅い5%の応答0.63
テトリス
普段の応答速度（中央値）0.30
最も遅い5%の応答0.39
卓球
普段の応答速度（中央値）0.72
最も遅い5%の応答0.79
すべてのゲームを合わせると、応答が速いほど総合点数が高くなりました。
04
ゲームごとに順位を分けるものが違う
どのゲームにも判断と速さの両方が必要ですが、モデル間の順位差を生む側はゲームごとに違います。時間制限がなくても点数差が大きいゲームでは判断力の差がリアルタイム順位まで続き、時間制限がなければほとんど高得点のゲームでは判断力で差がつかず、応答速度が順位を分けます。
時間制限なしの順位とリアルタイム順位の一致度
モグラたたき · 速さが分ける0.21時間制限なし中央値100.0点・90点以上 20/22モデル
スネーク · 速さが分ける0.19時間制限なし中央値89.8点・90点以上 11/22モデル
テトリス · 判断力が分ける0.92時間制限なし中央値40.5点・90点以上 0/21モデル
卓球 · 速さが分ける0.50時間制限なし中央値97.9点・90点以上 17/22モデル
05
時間制限がなければほとんどが高得点
22モデルの点数の中央値は、時間制限がないとき82.1点、リアルタイムで36.0点です。
時間制限なし（中央値）82.1
リアルタイム（中央値）36.0
モグラたたきは時間制限がなければ22モデル中20モデルが95点以上で、ほとんど差がつきません。
06
高いから上手いわけではない
判断1,000回あたりのコストは全体平均$0.024です。最も高いClef（$0.113、8位）より順位が上のDecider Flash V1.2（$0.0032、4位）のコストは35分の1です。
判断1,000回のコスト
Clef · 8位$0.113
Decider Flash V1.2 · 4位$0.0032
コストが高いほどリアルタイムの点数が高いという傾向は弱いです。

応答速度と総合点数

右上にあるほど速く、点数が高いモデルです。横軸はゲームごとの応答の中央値の平均（対数目盛）です。

測定方法

ゲーム別の測定回数

10 · 5 · 5 · 8

測定期間

10/12～10/24

測定コスト

$1.922

判断1,000回のコスト

$0.024

1回の対戦の流れ

1
同じ盤面
モグラが出る時刻・マス、最初の果物の位置、テトリスのブロック順をシード値で事前に決めます。すべてのAIモデルが同じシード値で始め、ヘビゲームの次の果物の位置だけはヘビの動きによって変わります。
2
待ってくれない時計
質問は一度に一つだけ送り、答えは届いた瞬間のゲーム状況に適用されます。その間にモグラは引っ込み、ヘビは何マスか進み、テトリスのブロックはさらに落ちます。答えが遅いほど、その分だけ点数で不利になります。
3
時間が十分なとき
同じゲームを、今度はAIモデルが判断している間ゲームの時計を止めてもう一度プレイします。速さと関係なく判断だけを反映した点数が算出され、リアルタイムの点数との差が遅くて失った点です。
4
平均と区間
ゲームごとに点数を0〜100にそろえ、複数回測定した平均と95%区間を算出します。総合点数はゲーム点数の平均です。今回の測定は、AIモデルごとに計28回プレイしました。

詳しい内容

モデルに送る質問 — モグラたたき盤面と質問の原文（英語）

たたけるマスだけを絵文字で送り、選択肢の順番は毎回入れ替えます。画像ではなく文字で送るため動物の見分けはやさしく、このゲームは主に応答速度を測定します。

{
  "state": {
    "game": "Whack-a-mole",
    "rule": "Hitting 🐭 scores +2. Hitting 🐰 or 🐹 scores -1. Hitting nothing scores 0.",
    "holes": { "hole 2": "🐭", "hole 6": "🐹" }
  },
  "question": {
    "type": "choice",
    "instructions": "Which hole should be hit right now? Pick the hole showing 🐭. If no hole shows 🐭, pick 'hit nothing'.",
    "criteria": { "hole6": "hole 6", "none": "hit nothing", "hole2": "hole 2" }
  }
}

モデルに送る質問 — スネーク盤面と質問の原文（英語）

ヘビの頭から見て左・前・右のマスに何があるか、ふさがるまでの空きマス数、最も近い🍎の方向を送ります。選択肢の順番は毎回入れ替えます。

{
  "state": {
    "game": "Snake",
    "rule": "Eating 🍎 scores +1. Eating 🍅 or 🍓 scores -1. Moving into a wall or your own body ends the game.",
    "nextCell": { "left": "empty", "straight": "empty", "right": "your body (game over)" },
    "freeCellsBeforeObstacle": { "left": 6, "straight": 2, "right": 0 },
    "nearestApple": "3 ahead, 2 to the left",
    "length": 5
  },
  "question": {
    "type": "choice",
    "instructions": "Which way should the snake move next? Never move into a wall or your body, and turn early when few free cells are left ahead. Head toward 🍎 and avoid 🍅 and 🍓.",
    "criteria": { "right": "turn right", "left": "turn left", "straight": "go straight" }
  }
}

モデルに送る質問 — テトリス盤面と質問の原文（英語）

今のブロックが行ける場所だけを選択肢として送り、選択肢ごとに置いたとき直後に起きる結果（消える列・新しい穴・積み上がる高さ）を添えます。次のブロックの種類は伝えますが、次のブロックまで置いてみた計算は入れません。選択肢の順番は毎回入れ替えます。

{
  "state": {
    "game": "Tetris",
    "rule": "Place each falling piece. Completed rows disappear. The game ends when the stack reaches the top (20 rows). A hole is an empty cell with a block above it.",
    "piece": "T",
    "nextPiece": "I",
    "columnHeights": [3, 3, 2, 4, 4, 1, 0, 2, 2, 1],
    "holes": 1
  },
  "question": {
    "type": "choice",
    "instructions": "Where should this piece go? Clear lines when you can, avoid creating new holes, and keep the stack low.",
    "criteria": {
      "r90c7": "rotate 90° at columns 7-8 → clears 0 lines, 0 new holes, stack height 4",
      "r0c1": "rotate 0° at columns 1-3 → clears 0 lines, 1 new hole, stack height 5",
      "r180c6": "rotate 180° at columns 6-8 → clears 1 line, 0 new holes, stack height 3",
      "…": "… (every reachable spot, up to 34)"
    }
  }
}

モデルに送る質問 — 卓球盤面と質問の原文（英語）

ボールが自分側のどこに来るかは伝え、打ち返す角度5つを選択肢として送ります。選択肢ごとに相手側に落ちる場所、相手パドルとの距離、ボールが届く時間と相手パドルが動く時間を添えます。まっすぐ打ったボールが最も速く、角度が大きいほど遅くなります。相手の反応の遅れは伝えません。

{
  "state": {
    "game": "Pong",
    "rule": "You are the paddle at the bottom; the opponent is at the top. The court is 100 wide and 150 long; the ball bounces off the side walls. Your answer moves your paddle to the ball and hits it back at the angle you pick. If the opponent cannot reach the ball in time, you score. The opponent reacts with some delay.",
    "ballArrives": "62 of 100 on your end",
    "yourPaddle": "48 of 100",
    "opponentPaddle": "30 of 100",
    "opponentPaddleSpeed": "150 per second",
    "rally": 3
  },
  "question": {
    "type": "choice",
    "instructions": "Pick the return angle the opponent is least likely to reach in time.",
    "criteria": {
      "sharp-left": "sharp angle left: lands at 61, 31 away from the opponent; the ball needs 1.68s, the opponent paddle needs 0.13s to get there",
      "left": "angle left: lands at 2, 28 away from the opponent; the ball needs 1.50s, the opponent paddle needs 0.11s to get there",
      "straight": "straight: lands at 62, 32 away from the opponent; the ball needs 1.24s, the opponent paddle needs 0.14s to get there",
      "right": "angle right: lands at 75, 45 away from the opponent; the ball needs 1.50s, the opponent paddle needs 0.22s to get there",
      "sharp-right": "sharp angle right: lands at 15, 15 away from the opponent; the ball needs 1.68s, the opponent paddle needs 0.02s to get there"
    }
  }
}

モデルと応答バージョン測定時にプロバイダーが返したモデル名

モデル	モデルと応答バージョン
OpenAIGPT-6 Luna Decisions	gpt-6-luna
TypeSafeJev 1.13	typesafe/jev-1.13-20260917
PerplexityDecider V1.2	pplx-decider-v1.2
PerplexityDecider Flash V1.2	pplx-decider-flash-v1.2
CloudflareClef Omni	clef-omni
TypeSafeJev 1.14	typesafe/jev-1.14-20261014
PerplexityPerplexity Decider v1.1 27B	pplx-decider-v1.1-27b
CloudflareClef	clef
Liquid AID1	liquid/d1-20260930
CloudflareClef Flash	clef-flash
Liquid AID1 Ultra	liquid/d1-ultra-20261015
Nace AIDrex Max	nace-ai/drex-max-20261016
Nace AIDrex v1.5	nace-ai/drex-v1.5-20261009
ScaleDownClassify-1	scaledown/classify-1-20260928
MicrosoftMicrosoft-Decision-1	microsoft/microsoft-decision-1-20261009
AlibabaDecision Model Preview	decision-model-preview
Nace AIDrex v2.0	nace-ai/drex-v2.0-20261009
UpstageSolar Decide Flash	upstage/solar-decide-flash-20261008
Jared PalmerKev 4B	jaredpalmer/kev-4b-20260924
RespanSpan-02	respan/span-02-20261015
InceptionMercury Decide	inception/mercury-decide-20260930
UpstageSolar Decide	upstage/solar-decide-20260928

注意点測定条件

応答時間は서울からプロバイダーまでの往復時間を含みます。利用者が実際に体感する時間と同じ基準です。
1分あたりの呼び出し回数に制限があるモデルには、その間隔の範囲内でのみ質問しました。
1回の判断は12秒まで待ち、超えた場合はエラーとして記録します。
スネークゲームは判断型AIに合わせ、サイトのゲームより遅く動きます（1マス1秒 → 0.25秒）。人間向けの速さでは、すべてのモデルが数秒以内にぶつかりました。
テトリスの落ちる速さは時間ではなくブロック番号で決めます。速いモデルがブロックを多く受け取ることはなく、同じブロックは誰にとっても同じ速さです。
卓球はすべてのAIモデルが同じ基準ボット4段階と対戦します。モデル同士は対戦しないため、モデルが増えてもモデルごとの試合数は同じで、既存の点数は変わりません。
プロバイダーごとに、1つの質問で受け取れる選択肢の数に上限があります（10個・26個など）。テトリスは最大34個なので、上限がそれより小さいモデルは質問を変えずに測定不可と表記しました。
ゲームごとに分けて2026/10/12～2026/10/24に測定しました。一緒に測定したモデルは同じ瞬間にスタートし、あとから加えたモデルは同じシード値・条件で別途測定しました。測定日が違えば、提供会社の応答速度が違っていた可能性があります。
Perplexity Decider v1 27Bは、別の測定ですべての問題でPerplexity Decider v1.1 27Bと同じ答えを返したため、同じモデルとみなして順位から除外しました。このモデルに要した呼び出しとコストは測定の合計に含まれています。

よくある質問

Q.AIB DecisionBench-Gameは何を測定するのですか？

A.判断型AIが時間制限のある仕事で、どれだけタイミングよく、正確に、低コストに判断できるかを測定します。同じリアルタイムゲームの盤面をすべてのモデルが同じ条件でプレイし、リアルタイム点数・時間が十分なときの点数・応答時間・コストを分けて示します。

Q.正答率のベンチマークとどう違うのですか？

A.正答率のベンチマークは、答えが遅くても正しければ点になります。このベンチマークでは、答えが遅れるとその間に盤面が変わり、点を失います。今回、モグラたたきでは時間が十分なとき18種が満点でしたが、リアルタイムの総合点数は6.2点から69.5点まで分かれました。

Q.1位のモデルはどれですか？

A.2026/10/12～2026/10/24測定では総合1位はGPT-6 Luna Decisions（69.5点、応答の中央値234ms）です。応答が最も速いのはClef Omni（184ms）です。

Q.スネークゲームの点数はどう計算しますか？

A.100 ×（0.7 × 生存時間 ÷ 60秒 + 0.3 × リンゴ点数 ÷ 20）です。スネークゲームの目標は長く生き残ることなので生存時間に70%を与え、リンゴは20点を上限に30%だけ反映します。60秒生き残り、リンゴ20点を取れば100点です。

Q.なぜ画像ではなく文字で見せるのですか？

A.測定対象の多くがテキストしか入力できないモデルなので、全員が同じ条件で競えるよう盤面を文字で送ります。そのため今のゲームはどれも、視覚的な見分けよりも速さと状況判断を主に測定します。

Q.動画の結果とランキングが違うのはなぜですか？

A.動画は1回の対戦の記録で、ランキングは複数回測定した結果の平均です。1回の対戦では運の影響が大きいので、モデルを選ぶときはランキングを見てください。

Q.テトリスの点数はどう計算しますか？

A.100 × 積んだブロック ÷ 150です。テトリスの目標は長く耐えることで、落ちる速さをブロック番号で決めるため、ブロック数がこのゲームの時計です。消した列は積んだブロックとほぼ比例するので点数には別途反映しません。150個すべて積めば100点です。

Q.卓球の点数はどう計算しますか？

A.基準ボット4段階とそれぞれ2回対戦した8試合で得点率を平均します。ボットはボールが落ちる場所を正確に知っていますが反応が遅く、段階が上がるほど早く反応します（パドルが動く速さはどの段階も同じで、3・4段階はAIモデルのパドルから遠い方へ打ち返します）。誰もボールを落とさず時間の上限に達した試合は引き分け（50%）として計算します。

測定してほしい判断型AIはありますか？

ゲームベンチマークに加えたい判断型AIがあればお知らせください。確認のうえ、次の測定に反映します。

評価をリクエスト

設計の意図

測定方法

指標

総合ランキング

ゲーム別の結果

モグラたたき

🐭が表示された時間別の命中率

動画で見る

スネーク

ゲームが終わった理由

動画で見る

テトリス

積んだブロックの数

動画で見る

卓球

得点率

動画で見る

インサイト

判断力は引き継がれるが、リアルタイムが順位を入れ替える

最も正確なモデルとリアルタイム1位は違う

普段の速さより、ときどきの遅れが順位を下げる

ゲームごとに順位を分けるものが違う

時間制限がなければほとんどが高得点

高いから上手いわけではない

応答速度と総合点数

測定方法

1回の対戦の流れ

詳しい内容

よくある質問

測定してほしい判断型AIはありますか？