ZeroBench
引用頻度 2/3
- 何を測定しますか?
- 今のAIがほとんど解けないように作られた画像推論の問題で、絵の中の物を数え、測り、複数の段階を続けて計算する力を見ます。
- 誰がどのように評価しますか?
- 100問をそれぞれ5回ずつ解かせ、1回でも正解すれば正解と数えます(pass@5)。
- 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。スコアは運営チームが自ら測定した値のみを使います。
- 関連ベンチマーク
- ZeroBench (sub-questions)
最高スコア52.0%
測定したモデル41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
順位モデル実行条件リリース日価格/1Mスコア
- 12026.09.04$4052.0%
- 22026.09.22$1643.0%
- 32026.09.22$841.0%
- 42026.07.09$1630.0%
- 52026.07.24$2026.0%
- 62026.06.09$4024.0%
- 72026.04.23$2423.0%
- 72026.03.05$1223.0%
- 92026.05.19$7.1322.0%

- 102026.07.09$0.9521.0%
「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。