SimpleQA Verified
引用頻度 2/3
- 何を測定しますか?
- ツールなしで記憶だけを頼りに、短い事実の質問に正確に答えられるかを見ます。OpenAIのSimpleQAを整えた版です。
- 誰がどのように評価しますか?
- 1,000問です。SimpleQA(4,326問)から重複を除き、トピックを均等にし、誤った正解表記を直しました。ここでの値はEpoch AIが測定した正答率です。
- 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。
最高スコア94.0%
測定したモデル69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
多くの人に好まれ、しかも間違いのない回答をするAIは?Arena Text Factuality
Gemini 4 Carbon🥇
Gemini 4 Carbon🥇Arena Text Factuality
Gemini 4 Carbon🥇要約するとき、ない内容をでっち上げない?Vectara Hallucination Rate
GPT-5.4 Nano🥇
GPT-5.4 Nano🥇Vectara Hallucination Rate
GPT-5.4 Nano🥇
検索しなくても、事実を正確に知っている?
SimpleQA Verified
- 🥇AnthropicClaude Fable 5.2推論強度: Max148394.0%—
- 🥈OpenAIGPT-6.2 Astra推論強度: Max143978.5%—
- 🥉GoogleGemini 4 Carbon推論強度: High152277.7%—
- #4GoogleGemini 4 Argon推論強度: High149276.0%12.1%
- #5OpenAIGPT-6 Astra推論強度: Max146875.6%8.7%
- #6GoogleGemini 4 Neon推論強度: Extra High150975.2%—
- #7OpenAIGPT-6.1 Sol推論強度: Max147073.9%—
- #8GoogleGemini 3.1 Pro推論強度: High147273.5%10.4%
- #9AnthropicClaude Opus 5.5推論強度: Max150572.2%9.9%
- #10GoogleGemini 4 Hydrogen推論強度: Extra High149470.9%—
- #11AnthropicClaude Fable 5.1推論強度: Max149970.8%—
- #12AnthropicClaude Fable 5推論強度: Extra High148370.7%—
- #13OpenAIGPT-5.6 Sol推論強度: Max147669.7%12.4%
- #13GoogleGemini 3.8 Flash推論強度: High146969.7%—
- #15GoogleGemini 3.7 Flash推論強度: High147669.2%—
- #16GoogleGemini 3 Flash推論強度: High146866.8%13.5%
- #17GoogleGemini 3.5 Flash推論強度: High147866.2%—
- #17GoogleGemini 3.6 Flash推論強度: High147266.2%—
- #19OpenAIGPT-5.5推論強度: Extra High148563.0%9.3%
- #20Moonshot AIKimi K3.1 Pro推論強度: Max147962.2%—
- #21OpenAIGPT-6 Sol推論強度: Max144260.7%6.5%
- #22MetaMuse Spark 1.2推論強度: Extra High147960.3%—
- #23AnthropicClaude Opus 5推論強度: Max148859.9%—
- #24MetaMuse Spark 1.1146457.8%—
- #25OpenAIGPT-6.1 Terra推論強度: Max145557.3%—
- #26SpaceXSIGrok 4.7推論強度: Extra High143956.0%—
- #27AlibabaQwen3.7 Max148055.8%—
- #28AnthropicClaude Opus 4.8推論強度: Max147053.0%—
- #29DeepSeekDeepSeek V4 Pro推論強度: Max145552.9%8.6%
- #30AlibabaQwen3.6 Max145252.0%—
- #31AnthropicClaude Opus 4.7推論強度: Extra High147851.7%12.0%
- #32Moonshot AIKimi K3推論強度: Max147150.6%—
- #33OpenAIGPT-5推論強度: High142150.1%—
- #34SpaceXSIGrok 4.6推論強度: High145149.3%—
- #35SpaceXSIGrok 4.5推論強度: High146548.3%—
- #36AnthropicClaude Opus 4.6推論強度: Max149347.0%12.2%
- #37AnthropicClaude Sonnet 5.5推論強度: Max147346.5%—
- #38OpenAIGPT-5.4 Pro推論強度: Extra High—46.3%8.3%
- #39AnthropicClaude Opus 4.5推論強度: Budget 32K145945.7%10.9%
- #40OpenAIGPT-5.4推論強度: Extra High148445.1%7.0%
- #41AlibabaQwen3.6 Plus143844.1%—
- #42OpenAIGPT-5.6 Terra推論強度: Max146943.2%—
- #43DeepSeekDeepSeek V4.1 Flash推論強度: Max146842.9%4.2%
- #44DeepSeekDeepSeek V4.1 Flash 1017推論強度: Max—42.5%—
- #45OpenAIGPT-6 Luna推論強度: Max146641.4%—
- #46Z.aiGLM 5.3推論強度: Max146941.0%—
- #46OpenAIGPT-5.6 Luna推論強度: Max146041.0%—
- #48Moonshot AIKimi K2.7 Code—36.5%—
- #49AnthropicClaude Sonnet 4.6推論強度: High146135.5%10.6%
- #50Moonshot AIKimi K2.6145634.9%—
- #51Moonshot AIKimi K2.5144534.3%—
- #52Z.aiGLM 5.2推論強度: Max146334.2%—
- #53Z.aiGLM-5.1145634.0%—
- #54AnthropicClaude Sonnet 5推論強度: Max145133.7%—
- #55DeepSeekDeepSeek V4 Flash推論強度: Max143933.6%—
- #56SpaceXSIGrok 4.3推論強度: High142633.2%—
- #57OpenAIGPT-4.1140831.1%5.6%
- #58AnthropicClaude Sonnet 4.5推論強度: Budget 59K144930.7%12.0%
- #59SpaceXSIGrok 4.20 (Reasoning)145630.2%—
- #60OpenAIGPT-5.4 Mini推論強度: High144629.4%5.5%
- #61AlibabaQwen3.5 Plus—25.4%10.7%
- #62AnthropicClaude Haiku 5.5推論強度: Max142423.8%—
- #63Mistral AIMistral Large 4推論強度: High142122.4%—
- #64OpenAIGPT-5 Mini推論強度: High139421.6%12.9%
- #65AlibabaQwen3.6 Flash—15.9%—
- #66AnthropicClaude Haiku 4.5141813.2%9.8%
- #67OpenAIGPT-5.4 Nano推論強度: High141611.7%3.1%
- #67OpenAIGPT-5 Nano推論強度: High—11.7%10.5%
- #69GoogleGemma 4 31B144910.4%7.4%
1位が2位より15.5ポイントリード · モデルの半数が48.3%以下
「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。