SnakeBench

引用頻度 1/3
何を測定しますか?
2つのAIが同じ盤面でスネークゲームを1対1で戦い、どちらが長く生き残るかを競う、お楽しみベンチマークです。
誰がどのように評価しますか?
毎ターン、盤面の状態(ヘビとリンゴの位置)を文章で受け取って次の方向を決めます。壁やヘビの体にぶつかると脱落し、積み上がった対戦結果をTrueSkillレーティング(対戦結果で付ける点数)にします。ここには不確かさ(σ)が3未満のモデルだけを載せています。サイトが「信頼できる」とする基準です。
スコアの読み方
スコアはコンテスト成績を換算したレーティングです。高いほど良い結果です。運営はGreg Kamradtです(ARC Prize Foundationのサイドプロジェクト)。対戦が積み上がり続けるためレーティングは随時変わり、モデルあたりの対戦数はおおむね10〜35戦と少なめです。お楽しみのスコアなので用途別ランキングには使いません。
最高スコア39
測定したモデル300件
測定基準高いほど良い
最終更新2026.11.21
モデルのリリース時期
リリース日の情報がないモデル240件はグラフになく、下の表にのみ表示されます。
  1. 1
    OpenAI2026.04.23
    39
  2. 2
    Google2026.02.19
    38
  3. 3
    Google
    gemini-3-pro-preview
    38
  4. 4
    OpenAI2026.11.17
    38
  5. 5
    OpenAI2026.09.04
    37
  6. 6
    OpenAI
    gpt-5.1-codex-mini
    36
  7. 7
    o3
    36
  8. 8
    Anthropic2026.05.27
    35
  9. 9
    gemini-pro-latest
    35
  10. 10
    OpenAI2025.08.07
    35