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
- Intelligence Index、タスクコスト、出力速度、TTFT、最初の回答トークンまでの時間、コンテキスト長は Artificial Analysis のモデル一覧を参照しています。
- Arena Agent Arena:Overall の表示順位、実セッション由来の改善指標、セッション数、P50 コスト・トークン、ライセンス表記を使用します。
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) | 65 | 1 | 1 |
| Gemini 4 Carbon (high) | 60 | 4 | 3 |
| Claude Opus 5.5 (max with fallback) | 59 | 5 | 2 |
| Claude Sonnet 5.5 (max with fallback) | 55 | 13 | 4 |
| GPT-6 Astra (max) | 57 | 8 | 7 |
| GPT-6.1 Sol (max) | 55 | 12 | 9 |
| GPT-6.1 Terra (max) | 51 | 20 | 10 |
| Kimi K3.1 Pro | 46 | 27 | 20 |
| DeepSeek V4.1 Flash 1017 (max) | 33 | — | 27 |
| Gemini 4 Hydrogen (high) 新 | 51 | 21 | 5 |
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
- 知能総合はスコア・コスト・速度が揃う上位 40 件。同点は出典の掲載順を保持します。
- コストパフォーマンスは知能 20 点以上の点/ドル上位 20 件と、知能 44 点以上のコスト順です。$0.00 と丸められたコストは点/ドルの計算に使いません。
- 速度と遅延は出力速度・TTFT が揃うモデルから、それぞれ上位 30 件・20 件を掲載します。同値は出典の掲載順を保持します。
- エージェント実戦は Arena Overall の上位 25 件。表示順位と純改善度の単純な並べ替えが一致しない場合も、出典の順位を保持します。
- オープンウェイトは具体的なモデルと推論ティアを対応付けられる範囲で掲載します。異なる版・モデル・設定の評価値を混用しません。
- 欠測値は「—」、出典の推定スコアは「推」、前版の Artificial Analysis データセットにないモデルは「新」と表示します。「新」は発売日を意味しません。今回、推定スコアの補完は行っていません。
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。