AIモデルランキング

HLE、ARC-AGI-2、FrontierMath、SWE-bench Verified、τ²-Bench の総合ランキング。

5 ベンチマーク

SWE-bench Verified、LiveCodeBench、SWE-bench Pro、Aider-Polyglot によるプログラミング能力評価。

4 ベンチマーク

AIME 2025/2026、FrontierMath、MATH-500、GSM8K による数学的推論能力評価。

5 ベンチマーク

τ²-Bench、Terminal Bench Hard、Aider-Polyglot による自律エージェント能力評価。

3 ベンチマーク

HLE、ARC-AGI-2、GPQA Diamond による推論・思考能力評価。

3 ベンチマーク

MMLU-Pro、LMArena Elo による総合的な性能評価。

2 ベンチマーク

Claw Bench、Pinch Bench によるOpenClawエージェント性能評価。

2 ベンチマーク