評価の出典公式の評価
Arena WebDev
LMArena · 同じく人間のブラインド選択で、ウェブが使いやすいか、納品できるかを競う。
News での扱い順位に反映
根拠の配分2.4%
元データの時点09/30 08:00
最後に同期に成功10/01 20:05
何をどう測るか
公式発表スナップショットのWebDev総合ランキングのみを採用し、arena.aiのリアルタイムページは取得しない。Textと合わせて一つのArenaファミリー票を構成する。
この根拠の使い方
コーディングとデザインの予算のうち2.4%。審美カテゴリでウェブ作品の好みを測るもので、コードの正答率とは異なる。Arenaの他のタスクと証拠ファミリーを共有する。
評価結果
固定ルールに従い、各公開モデルは代表的な構成を1つ採用する。匿名テスト型番は表示せず、元のランキング順位を保持し、各項目は最大30件。
| 元の順位 | 元のモデル名 | 元のスコア | 代表的な設定 |
|---|---|---|---|
| 1 | claude-opus-5.5-maxAnthropic | 1,817.8 | Max 推論 |
| 2 | gpt-6-astra-maxOpenAI | 1,789.1 | Max 推論 |
| 3 | gpt-6.1-sol-max— | 1,758.7 | Max 推論 |
| 4 | claude-fable-5.1-maxAnthropic | 1,750.7 | Max 推論 |
| 5 | claude-sonnet-5.5-highanthropic | 1,708.7 | High 推論 |
| 6 | claude-opus-5-maxAnthropic | 1,693.7 | Max 推論 |
| 7 | gpt-6-sol-maxOpenAI | 1,689.3 | Max 推論 |
| 8 | gemini-4-argon-highGoogle | 1,679 | High 推論 |
| 9 | qwen3.8-maxAlibaba | 1,671.2 | 情報源のデフォルト構成 |
| 10 | qwen3.8-max-0902Alibaba | 1,669.7 | 情報源のデフォルト構成 |
| 12 | kimi-k3-maxMoonshot AI | 1,657.8 | 情報源のデフォルト構成 |
| 13 | muse-spark-1.3-maxMeta | 1,655.4 | Max 推論 |
| 14 | qwen3.8-flash-nextAlibaba | 1,637.8 | 情報源のデフォルト構成 |
| 15 | grok-4.7-xhighxAI | 1,636.3 | xHigh 推論 |
| 16 | hy4-previewTencent | 1,633.2 | 情報源のデフォルト構成 |
| 17 | claude-fable-5-highAnthropic | 1,625.6 | High 推論 |
| 19 | glm-5.3-maxZ.ai | 1,622 | 情報源のデフォルト構成 |
| 20 | grok-4.6-highxAI | 1,620.1 | High 推論 |
| 21 | deepseek-v4.1-flash-maxDeepSeek | 1,620 | 情報源のデフォルト構成 |
| 22 | gpt-5.6-sol-xhigh (codex-harness)OpenAI | 1,619.3 | xHigh 推論 · codex-harness |
| 23 | mimo-v2.6-proXiaomi | 1,618.5 | 情報源のデフォルト構成 |
| 24 | glm-5.3-flashZ.ai | 1,614.8 | 情報源のデフォルト構成 |
| 25 | glm-5.2-maxZ.ai | 1,604.6 | 情報源のデフォルト構成 |
| 26 | gemini-3.7-flash-highGoogle | 1,592.2 | High 推論 |
| 27 | qwen3.8-27bAlibaba | 1,590.4 | 情報源のデフォルト構成 |
| 28 | gemini-3.8-flash-highGoogle | 1,582.7 | High 推論 |
| 29 | deepseek-v4-pro-high-20260813DeepSeek | 1,582.3 | 情報源のデフォルト構成 |
| 30 | gpt-6-luna-maxOpenAI | 1,581.9 | Max 推論 |
| 31 | deepseek-v4-flash-highDeepSeek | 1,581 | 情報源のデフォルト構成 |
| 32 | step-5-preview-highStepFun | 1,569.6 | 情報源のデフォルト構成 |
評価の限界とデータの出典
Text との間に選好構成概念の相関がある。
データのライセンス：CC BY 4.0
スコアは LMArena が公開。元のスコアと News のコンセンサススコアは尺度が異なるため、直接合算できない。