종합 랭킹

HLE, ARC-AGI-2, FrontierMath, SWE-bench Verified, τ²-Bench 기반 종합 AI 모델 순위.

761 모델

#	모델명	개발사						오픈소스
1	Claude Mythos Preview	Anthropic	64.7	—	—	93.9	—	클로즈드
2	Claude Fable 5	Anthropic	59.0	—	—	95.0	—	클로즈드
3	GPT-5.4 Pro	OpenAI	58.7	83.3	38.0	—	—	클로즈드
4	Muse Spark	Meta AI	58.0	42.5	14.6	77.4	—	클로즈드
5	Claude Opus 4.8	Anthropic	57.9	—	—	88.6	—	클로즈드
6	GPT-5.5 Pro	OpenAI	57.2	84.6	39.6	—	—	클로즈드
7	GLM-5.2	Zhipu AI	54.7	—	—	—	—	클로즈드
8	Opus 4.7	Anthropic	54.7	75.8	22.9	87.6	—	클로즈드
9	Kimi K2.6	Moonshot AI	54.0	—	—	80.2	—	클로즈드
10	Qwen3.7-Max-Preview	アリババ	53.5	—	—	80.4	—	클로즈드
11	Claude Opus 4.6	Anthropic	53.0	66.3	22.9	80.8	91.9	클로즈드
12	GLM 5.1	Zhipu AI	52.3	—	—	—	—	클로즈드
13	GPT-5.5	OpenAI	52.2	85.0	35.4	—	—	클로즈드
14	GPT-5.4	OpenAI	52.1	77.1	27.1	—	—	클로즈드
15	Gemini 3.1 Pro Preview	Google DeepMind	51.4	77.1	16.7	80.6	90.8	클로즈드
16	Kimi K2 Thinking	Moonshot AI	51.0	—	—	71.3	—	클로즈드
17	Qwen 3.6 Plus Preview	アリババ	50.6	—	—	78.8	—	클로즈드
18	GLM-5	Zhipu AI	50.4	4.9	2.1	77.8	89.7	클로즈드
19	Kimi K2.5	Moonshot AI	50.2	11.8	4.2	76.8	—	클로즈드
20	Qwen3.6-Max-Preview	アリババ	50.2	—	—	78.8	—	클로즈드
21	GPT-5.2 Pro	OpenAI	50.0	54.2	31.3	—	—	클로즈드
22	Qwen3-Max-Thinking	アリババ	49.8	—	—	75.3	82.1	클로즈드
23	Claude Sonnet 4.6	Anthropic	49.0	58.3	8.3	79.6	—	클로즈드
24	Qwen3.5-27B	アリババ	48.5	—	—	72.4	79.0	클로즈드
25	Gemini 3 Deep Think - 2620	Google DeepMind	48.4	84.6	—	—	—	클로즈드
26	Qwen3.5-397B-A17B	アリババ	48.3	—	—	76.4	86.7	클로즈드
27	DeepSeek-V4-Pro	DeepSeek	48.2	—	—	80.6	—	클로즈드
28	Gemini 3.0 Pro (Preview 11-2025)	Google DeepMind	45.8	45.1	18.8	76.2	85.4	클로즈드
29	GPT-5.2	OpenAI	45.5	54.2	18.8	80.0	82.0	클로즈드
30	DeepSeek-V4-Flash	DeepSeek	45.1	—	—	79.0	—	클로즈드

벤치마크 소개

HLE

総合知能テスト — 人間レベルの推論能力を測定

ARC-AGI-2

抽象的推論ベンチマーク — 新規パターンの汎化能力を測定

FrontierMath - Tier 4

高度な数学問題 — 研究レベルの数学的推論能力を測定

SWE-bench Verified

実践的ソフトウェア開発タスク — 実際のバグ修正能力を測定

τ²-Bench

自律エージェントタスク — ツール呼び出しと推論の組み合わせ能力を測定