KMMLU-Pro

引用多め韓国語高いほど良い

医療・法律・税務・会計など、韓国の国家専門資格試験14種から取った多肢選択問題です。論文では資格ごとの合否も見ていますが、ここでの値は単純な正答率です。Horangiは全問題ではなく固定された100問だけを解かせるため、データセット全体で測ったスコアとは直接比較できません。スコアは0〜100%です。高いほど良い結果です。

最高スコア95.0%Claude Opus 4.8
測定したモデル48件
最終更新2026.08.03
モデルのリリース時期(右が最新)
その時点の最高記録上ほど良い
  1. 1
    Anthropic2026.05.27 · high-effort
    95.0%
  2. 1
    OpenAI2026.07.09 · max-effort
    95.0%
  3. 3
    OpenAI2026.04.23 · xhigh-effort
    94.0%
  4. 4
    Google2025.12.17 · high-effort
    93.0%
  5. 5
    OpenAI2026.07.09 · max-effort
    91.0%
  6. 5
    OpenAI2026.03.05 · xhigh-effort
    91.0%
  7. 7
    Anthropic2026.06.30 · high-effort
    90.0%
  8. 7
    OpenAI2026.07.09 · max-effort
    90.0%
  9. 9
    Google2026.05.19
    89.9%
  10. 9
    Google2026.02.19 · high-effort
    89.9%

「作業ツール」はAIが課題を解くときに使った実行環境(エージェントプログラム)です。同じモデルでも作業ツールと推論の強さによってスコアが大きく変わることがあります。