VPCT
- 何を測定しますか?
- ボールがスロープを伝ってどのバケツに落ちるかを当てる、直感的な物理の力を見ます。
- 誰がどのように評価しますか?
- ボール1個、複数のスロープ、3つのバケツが描かれた絵の問題が100問です。でたらめに選ぶと3分の1が当たり、人間の参加者は全員満点でした。
- 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。
最高スコア72.6%
測定したモデル10件
測定基準高いほど良い画像入力モデルのみ
モデルのリリース時期
多くの人に最も好まれる写真・図表についての回答をするAIは?Arena Vision
Claude Fable 5🥇
Claude Fable 5🥇Arena Vision
Claude Fable 5🥇組み立て写真を見て、間違った手順を見つけられる?Furniture Assembly
Claude Fable 5.2🥇
Claude Fable 5.2🥇Furniture Assembly
Claude Fable 5.2🥇家の中の写真数枚から、間取り図を描ける?Blueprint-Bench 2
GPT-6.2 Astra🥇
GPT-6.2 Astra🥇Blueprint-Bench 2
GPT-6.2 Astra🥇
絵だけを見て、物がどう動くかを予測できる?
VPCT
- 🥇GoogleGemini 3 Flash72.6%
- 🥈OpenAIGPT-5推論強度: High66.0%
- 🥉OpenAIGPT-5 Mini推論強度: Medium40.2%
- #4AnthropicClaude Opus 4.5推論強度: Budget 32K40.0%
- #5AnthropicClaude Sonnet 4.5推論強度: Budget 32K39.8%
- #6AnthropicClaude Opus 4推論強度: Budget 16K38.0%
- #7OpenAIGPT-5 Nano推論強度: High37.2%
- #8AnthropicClaude Opus 4.135.0%
- #9AnthropicClaude Sonnet 4推論強度: Budget 32K34.0%
- #10GoogleGemini 2.5 Flash Lite30.0%
モデルの半数が38.9%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。