よくある質問
- 同じモデルに複数の行があるのはなぜですか?
- max / xhigh / high / medium / low は推論の設定が異なり、スコア・費用・待ち時間にも差があるためです。
- 同点の順位はどう決まりますか?
- 知能総合では同点のとき出典の掲載順を保持します。同点のモデルの表示順が、確定的な能力差を表すわけではありません。
- 新しいモデルはエージェント評価にも入っていますか?
- Arena Overall では Claude Fable 5.2 (Max) が 1 位、Gemini 4 Hydrogen (High) が暫定 5 位です。詳細は エージェント実戦をご覧ください。
- Kimi K3.1 Pro は収録されていますか?オープンウェイトですか?
- 知能総合では 46 点(本サイト 27 位)、Arena では Max が 20 位です。公開重みの分類と「Kimi K3.1 Pro License」の表記に基づき、オープンウェイト比較に掲載しています。
- DeepSeek-V4.1-Flash-1017 はランキングに含まれていますか?
- 含まれています。Artificial Analysis の「DeepSeek V4.1 Flash 1017 (max)」は 33 点、Arena の「DeepSeek-V4.1-Flash-20261017 (Max)」は 27 位です。20260910 版とは別のモデルです。
- 「新」と「推」は何を意味しますか?
- 「新」は前版の Artificial Analysis データセットにない項目、「推」は出典で推定扱いのスコアです。新製品かどうかを示す印ではありません。今回は未掲載のスコアを推定して補完していません。
- 元サイトの上位モデルが知能総合にないのはなぜですか?
- スコア・コスト・速度が揃う上位 40 件に絞っています。Muse Wonder Full (max) は 50 点でもコストと速度が未掲載のため対象外です。
- 前回よりスコアが変わったのは能力が変化したからですか?
- その差だけでは判断できません。公開値や測定条件は変わることがあります。欠測値は「—」で表示します。
- TTFT と tok/s は同じ速さですか?
- TTFT は最初のトークンまでの待ち時間、tok/s は出典の出力速度です。「回答開始」は最初の回答トークンが届くまでの時間です。
- タスクコストは API の価格表ですか?
- 異なります。とくに Arena は実セッションの P50 コストです。個々のタスクや Artificial Analysis のタスクセットとは条件が異なります。
- 信頼区間が重なるモデルはどう読みますか?
- 表示順位だけで優劣を断定しないでください。± は推定の不確実性を示し、標本数に加えてタスクの構成なども確認する必要があります。
- Qwen はオープンウェイトですか?
- モデルごとに異なります。Arena は Qwen3.8 Max を Proprietary、Qwen3.8-Flash-Next を Qwen-community-1.0 と記載しています。具体的なモデルのライセンスを確認してください。
- オープンウェイトのエージェント指標は同じ設定ですか?
- 具体的なモデルと推論ティアが対応する範囲で掲載します。Hy3 に Hy4 の成績を転記したり、DeepSeek の High と max、1017 版と 0910 版を混用したりしません。
- モデル選びではどのページを見るべきですか?
- 知能、予算、遅延の要件をそれぞれ 知能総合・コスト・速度で確認し、ツールを使う作業なら エージェント実戦も参照してください。