Q1 複数の試験を合わせた総合力はどのくらい? AA Intelligence Index v5 · 上位3%1位 Q1 複数の試験を合わせた総合力はどのくらい? AA Intelligence Index v5 · 上位3%1位 Q2 事前に学習していない問題もうまく解ける? LiveBench 2.0 · 上位5%1位
Q1 上位3%1位 / 45 64.6 推論強度: Max Q2 84.9 / 100 強度別 Low 53.9 Medium 56.4 High 61.8 Extra High 62.2 Max 64.6
AA Intelligence Index v5について AA Intelligence Index v5について詳しく
Q1 フリーランスの仕事を任せても、依頼主が満足する? Remote Labor Index · 上位8%1位 Q1 フリーランスの仕事を任せても、依頼主が満足する? Remote Labor Index · 上位8%1位 Q2 序盤の判断が最後まで持ちこたえる必要がある長い作業をこなせる? LiveBench 2.0 Long Agentic · 上位5%1位 Q3 実際のウェブアプリで、複数ステップの作業をブラウザでこなせる? LiveBench 2.0 Browser · 上位32%7位
Q1 上位8%1位 / 14 41.3% Q2 82.9 / 100 Q3 86.9 / 100 Remote Labor Indexについて Remote Labor Indexについて詳しく
Q1 表を読んで、求める形に整理できる? LiveBench 2.0 Data Analysis · 上位23%5位 Q1 表を読んで、求める形に整理できる? LiveBench 2.0 Data Analysis · 上位23%5位 Q2 投資銀行・コンサル・法務のような専門職の仕事をこなせる? APEX-Agents · 上位6%3位 Q3 米国の法人税の質問を調べて、根拠付きで答えられる? Tax Agent Bench · 上位32%20位 Q1 上位23%5位 / 22 81.5 / 100 推論強度: Extra High Q2 80.1% Q3 32.1% Q4 46.2% Q5 5.0% Q6 85.1 / 100 Q7 69.5% LiveBench 2.0 Data Analysisについて LiveBench 2.0 Data Analysisについて詳しく
Q1 検索しなくても、事実を正確に知っている? SimpleQA Verified · 上位2%1位 Q1 検索しなくても、事実を正確に知っている? SimpleQA Verified · 上位2%1位 Q2 オープンな質問を調べて、出典つきのレポートで答えられる? LiveBench 2.0 Research · 上位5%1位 Q3 科学者の実際の研究課題を、ターミナルでこなせる? Terminal-Bench-Science 0.1 · 上位6%2位
Q1 上位2%1位 / 65 94.0% 推論強度: Max Q2 94.5 / 100 Q3 55.7% SimpleQA Verifiedについて SimpleQA Verifiedについて詳しく
Q1 正解のない最適化問題で、よりよい答えを見つけられる? ALE-Bench · 上位5%4位 Q1 正解のない最適化問題で、よりよい答えを見つけられる? ALE-Bench · 上位5%4位 Q2 バグを直しながら、ほかの機能を壊さずにいられる? LiveBench 2.0 Coding · 上位46%10位 Q3 実行ファイルと動作の説明だけを見て、プログラムを一から作り直せる? ProgramBench · 上位2%1位 Q1 上位5%4位 / 87 2510 推論強度: High Q2 79.2 / 100 Q3 19.0% Q4 93.8% Q5 60.0% Q6 69.9% ALE-Benchについて ALE-Benchについて詳しく
Q1 研究レベルの物理の問題を解ける? CritPt · 上位3%2位 Q1 研究レベルの物理の問題を解ける? CritPt · 上位3%2位 Q2 数学コンテストレベルの問題を解ける? OTIS Mock AIME 2024-2025 · 上位16%12位 Q3 大学から研究レベルまでの数学の問題を解ける? FrontierMath Tiers 1-3 v2 · 上位2%1位 Q1 上位3%2位 / 87 35.7% 推論強度: Extra High Q2 99.7% Q3 95.1% Q4 100.0% Q5 100.0% Q6 88.8 / 100 Q7 98.5% Q8 93.8% Q9 94.9% Q10 79.0% Q11 90.0% Q12 99.2% Q13 70.6 強度別 Low 29.4% Medium 30.9% High 32.9% Extra High 35.7% Max 35.4%
CritPtについて CritPtについて詳しく
Q 組み立て写真を見て、間違った手順を見つけられる? Furniture Assembly · 上位3%1位
Q 組み立て写真を見て、間違った手順を見つけられる? Furniture Assembly · 上位3%1位
上位3%1位 / 34 90.0% 推論強度: Max Furniture Assemblyについて Furniture Assemblyについて詳しく
Q1 初めて見るボードゲームのルールを、自分で覚えられる? EBR-bench · 上位4%1位 Q1 初めて見るボードゲームのルールを、自分で覚えられる? EBR-bench · 上位4%1位 Q2 Kaggle Game Arena: Chess (text) Kaggle Game Arena: Chess · 上位21%8位 Q3 Kaggle Game Arena: Four in a Row Kaggle Game Arena: Four in a Row · 上位8%3位 Q4 Kaggle Game Arena Kaggle Game Arena · 上位8%3位
Q1 上位4%1位 / 28 90.5% 推論強度: Max Q2 1313 Q3 819 Q4 535 EBR-benchについて EBR-benchについて詳しく