文書・事務作業のAIランキング

MedCode

引用多め高いほど良い

Vals AIが作った医療コーディングの試験で、AIが匿名化された入院記録（退院サマリー・経過記録・コンサルト記録）を読み、米国の標準（ICD-10-CM）の主診断・副診断コードを付けます。正解は、認定コーダー2人が別々に付けたうえで合意したコードです。スコアは0〜100%です。高いほど良い結果です。

最高スコア63.6%Claude Opus 5
測定したモデル72件
最終更新2026.10.06
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. 🥇AnthropicClaude Opus 563.6%
  2. 🥈GoogleGemini 3.1 Pro推論強度: High59.1%
  3. 🥉GoogleGemini 4 Argon推論強度: High58.8%
  4. #4AnthropicClaude Fable 556.1%
  5. #5GoogleGemini 3 Flash推論強度: High55.9%
  6. #6GoogleGemini 3.5 Flash推論強度: High55.8%
  7. #7AnthropicClaude Opus 4.754.9%
  8. #8AnthropicClaude Fable 5.153.5%
  9. #9GoogleGemini 3.7 Flash推論強度: High53.4%
  10. #10AnthropicClaude Opus 4.853.2%
  11. #11GoogleGemini 3.6 Flash推論強度: High53.2%
  12. #12AnthropicClaude Sonnet 5.552.9%
  13. #13MetaMuse Spark51.3%
  14. #14GoogleGemini 2.5 Pro50.6%
  15. #15AnthropicClaude Opus 5.549.8%
  16. #16OpenAIGPT-5推論強度: High49.6%
  17. #17xAIGrok 4.7推論強度: Extra High49.6%
  18. #18Moonshot AIKimi K3推論強度: Max49.4%
  19. #19MetaMuse Spark 1.2推論強度: Extra High49.3%
  20. #20AnthropicClaude Opus 4.5推論強度: Thinking49.2%
  21. #21AnthropicClaude Opus 4.6推論強度: Thinking49.1%
  22. #22OpenAIGPT-5.5推論強度: Extra High49.1%
  23. #23OpenAIGPT-6.1 Sol推論強度: Max48.8%
  24. #24OpenAIGPT-6 Astra推論強度: Max48.5%
  25. #25GoogleGemini 3.8 Flash推論強度: High48.1%
  26. #26GoogleGemini 3.1 Flash Lite推論強度: High47.6%
  27. #27AnthropicClaude Sonnet 547.5%
  28. #28AnthropicClaude Opus 4.1推論強度: Thinking47.2%
  29. #29OpenAIGPT-6 Sol推論強度: Max47.1%
  30. #30MiniMaxMiniMax M346.3%
  31. #31XiaomiMiMo-V2.6-Pro45.0%
  32. #32xAIGrok 4.6推論強度: High44.7%
  33. #33OpenAIGPT-6 Luna推論強度: Max44.7%
  34. #34AnthropicClaude Sonnet 4.5推論強度: Thinking44.1%
  35. #35OpenAIGPT-5.6 Sol推論強度: Max44.0%
  36. #36GoogleGemini 3.5 Flash-Lite推論強度: High43.5%
  37. #37OpenAIGPT-5.6 Terra推論強度: Extra High43.4%
  38. #38xAIGrok 4.5推論強度: High43.3%
  39. #39TencentHy4 preview43.2%
  40. #40OpenAIGPT-5 Mini推論強度: High43.0%
  41. #41Z.aiGLM 5.3推論強度: Max42.9%
  42. #42DeepSeekDeepSeek V4 Pro推論強度: Max42.5%
  43. #43OpenAIGPT-5.6 Luna推論強度: Max42.4%
  44. #44Z.aiGLM-5.141.6%
  45. #45DeepSeekDeepSeek V4 Flash推論強度: High41.4%
  46. #46OpenAIGPT-5.4推論強度: Extra High41.3%
  47. #47DeepSeekDeepSeek V4.1 Flash推論強度: High41.2%
  48. #48XiaomiMiMo-V2.6-Flash41.1%
  49. #49OpenAIGPT-5.4 Nano推論強度: High41.0%
  50. #50Z.aiGLM 5.240.8%
  51. #51Mistral AIMistral Large 4推論強度: High40.7%
  52. #52GoogleGemini 2.5 Flash推論強度: Thinking40.4%
  53. #53Moonshot AIKimi K2.640.1%
  54. #54Moonshot AIKimi K2.5推論強度: Thinking39.3%
  55. #55AlibabaQwen3.7 Max38.8%
  56. #56NVIDIANemotron 3 Ultra38.6%
  57. #57xAIGrok 4.338.1%
  58. #58AlibabaQwen3.6 Plus36.9%
  59. #59MetaLlama 4 Maverick36.5%
  60. #60AnthropicClaude Sonnet 4推論強度: Thinking35.0%
  61. #61MiniMaxMiniMax M2.734.4%
  62. #62GoogleGemini 2.5 Flash Lite推論強度: Thinking34.2%
  63. #63Mistral AIMistral Medium 3.5推論強度: High33.8%
  64. #64AnthropicClaude Haiku 4.5推論強度: Thinking32.7%
  65. #65XiaomiMiMo V2.5 Pro32.5%
  66. #66xAIGrok 4.20 (Reasoning)32.2%
  67. #67XiaomiMiMo V2.531.9%
  68. #68OpenAIGPT-5 Nano推論強度: High30.4%
  69. #69xAIGrok 4.1 Fast28.3%
  70. #70xAIGrok 4.1 Fast (Reasoning)28.1%
  71. #71MetaLlama 4 Scout23.3%
  72. #72PoolsideLaguna M.123.1%
モデルの半数が43.5%以下最終更新 2026-10-07

「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。