canx.me ランキング

手法と出典

このサイトは公開ランキングを日本語で整理する独立した比較ページです。独自のモデル評価や統合スコアの算出は行っていません。

二つの出典

同じモデルでも評価対象が異なります

モデル知能スコア本サイト知能順位エージェント順位
Claude Fable 5.2 (max with fallback)6511
Gemini 4 Carbon (high)6043
Claude Opus 5.5 (max with fallback)5952
Claude Sonnet 5.5 (max with fallback)55134
GPT-6 Astra (max)5787
GPT-6.1 Sol (max)55129
GPT-6.1 Terra (max)512010
Kimi K3.1 Pro462720
DeepSeek V4.1 Flash 1017 (max)33—27
Gemini 4 Hydrogen (high) 新51215

知能順位は本サイトの「スコア・コスト・速度が揃う上位 40 件」の表示順です。評価対象の集合やモデル設定が異なるため、二つの順位を差し引いて能力差と解釈することはできません。Artificial Analysis の「with fallback」と Arena の設定も完全に同じとは限りません。

掲載と表示の規則

指標と費用の注意点

Arena の成功確認は利用者の完了確認、Bash 信頼性はコマンド実行の信頼性です。自動テストの通過率やエラーからの復旧率と読み替えないでください。改善幅は成功率そのものではありません。

± は出典の不確実性の表示です。区間の重なるモデルについて順位だけで優劣を断定しません。Artificial Analysis と Arena のコストは測定対象が異なるため、同じタスクの見積もりとして直接比較できません。