MMMLU
引用頻度 2/3
- 何を測定しますか?
- さまざまな言語でAIの幅広い知識を見る多言語の試験です。OpenAIが公開しました。
- 誰がどのように評価しますか?
- MMLU(57科目の多肢選択の知識試験)の問題を、専門の翻訳者が14言語に訳しました。
- スコアの読み方
- スコアは0〜100%です。高いほど良い結果です。
このランキングは、モデルの開発元が自ら発表したスコアだけで作っています。ツール使用の有無や推論強度などの測定条件が開発元ごとに異なるため、モデル同士を直接比べるときは各スコアの条件もあわせて確認してください。
最高スコア92.6%
測定したモデル18件
測定基準高いほど良い
最終更新2026.08.05
モデルのリリース時期
順位モデル実行条件リリース日価格/1Mスコア
- 1Thinking (High)2026.02.19$9.5092.6%

- 2Thinking2025.12.17$2.3891.8%

- 3max (adaptive thinking)2026.04.16$2091.5%
- 4max (adaptive thinking)2026.02.04$2091.1%
- 564k thinking budget, default effort (high)2025.11.24$2090.8%
- 62026.05.21$3.6990.3%
- 72026.04.02$1.5489.5%
- 7Thinking2025.06.17$7.8189.5%

- 9max (adaptive thinking)2026.02.17$1289.3%
- 10extended thinking (up to 128K)2025.09.29$1289.1%
「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。