評価の出典公式の評価
EBR-bench
Epoch AI / ビジネス業務 · 長いタスクの中で新しいルールを学び、記憶を使う
News での扱い参考のみ
根拠の配分採点に使わない
元データの時点09/30 02:13
最後に同期に成功10/01 20:05
何をどう測るか
公開集計は記憶圧縮の設定が混在している。固定設定の比較可能な成績が得られるまでは参考のみ。
この根拠の使い方
参考のみ。総合スコアやカテゴリスコアには算入しない。
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 | gpt-6-astra_maxOpenAI | 76.2% | Max 推論 |
| 2 | claude-opus-5-5_maxAnthropic | 71.4% | Max 推論 |
| 3 | claude-fable-5-1_maxAnthropic | 57.1% | Max 推論 |
| 4 | gpt-6.1-sol_max— | 54.3% | Max 推論 |
| 5 | gpt-6-sol_maxOpenAI | 53.3% | Max 推論 |
| 6 | claude-opus-5_maxAnthropic | 45.7% | Max 推論 |
| 7 | gpt-5.6-sol_maxOpenAI | 44.8% | Max 推論 |
| 8 | claude-fable-5_maxAnthropic | 39.5% | Max 推論 |
| 9 | gpt-5.5_xhighOpenAI | 34.3% | xHigh 推論 |
| 10 | grok-4.6_xhighxAI | 30.5% | xHigh 推論 |
| 11 | claude-opus-4-8_maxAnthropic | 28.6% | Max 推論 |
| 12 | gpt-5.4-2026-03-05_xhighOpenAI | 25.4% | xHigh 推論 |
| 13 | gpt-5.2-2025-12-11_xhighOpenAI | 23.0% | xHigh 推論 |
| 14 | claude-opus-4-7_maxAnthropic | 19.0% | Max 推論 |
| 15 | gemini-3.1-pro-previewGoogle | 14.3% | 情報源のデフォルト構成 |
| 15 | claude-opus-4-5-20251101_128KAnthropic | 14.3% | 情報源のデフォルト構成 · 128k |
| 17 | gpt-5-2025-08-07_highOpenAI | 12.7% | High 推論 |
| 17 | claude-opus-4-6_maxAnthropic | 12.7% | Max 推論 |
| 19 | qwen3.7-maxAlibaba | 9.5% | 情報源のデフォルト構成 |
| 19 | glm-5.2_maxZ.ai | 9.5% | Max 推論 |
| 21 | claude-opus-4-1-20250805Anthropic | 7.9% | 情報源のデフォルト構成 |
| 22 | gemini-3.5-flash_highGoogle | 4.8% | High 推論 |
| 23 | kimi-k2.6Moonshot AI | 2.4% | 情報源のデフォルト構成 |
| 23 | claude-sonnet-4-5-20250929Anthropic | 2.4% | 情報源のデフォルト構成 |
評価の限界とデータの出典
参考のみ。総合スコアやカテゴリスコアには算入しない。
データのライセンス：CC BY 4.0 · Epoch AI 独自評価データ
スコアは Epoch AI 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。