EBR-bench

Name: EBR-bench
Creator: Epoch AI

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11/06 09:40

最後に同期に成功11/16 02:05

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。

参考のみ。総合スコアやカテゴリスコアには算入しない。

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-fable-5-2_maxAnthropic	90.5%	Max 推論
2	gemini-4-carbon_highgoogle	87.6%	High 推論
3	gpt-6.1-terra_maxOpenAI	78.1%	Max 推論
4	gpt-6-astra_maxOpenAI	76.2%	Max 推論
5	claude-opus-5-5_maxAnthropic	71.4%	Max 推論
6	gemini-4-argon_highGoogle	64.8%	High 推論
7	claude-fable-5-1_maxAnthropic	57.1%	Max 推論
8	gpt-6.1-sol_max—	54.3%	Max 推論
9	gpt-6-sol_maxOpenAI	53.3%	Max 推論
10	claude-opus-5_maxAnthropic	45.7%	Max 推論
11	gpt-5.6-sol_maxOpenAI	44.8%	Max 推論
12	claude-haiku-5-5_max—	43.8%	Max 推論
13	claude-fable-5_maxAnthropic	39.5%	Max 推論
14	gpt-5.5_xhighOpenAI	34.3%	xHigh 推論
15	muse-wonder-1.0_max—	31.4%	Max 推論
16	grok-4.6_xhighxAI	30.5%	xHigh 推論
17	claude-opus-4-8_maxAnthropic	28.6%	Max 推論
18	gpt-5.4-2026-03-05_xhighOpenAI	25.4%	xHigh 推論
19	gpt-5.2-2025-12-11_xhighOpenAI	23.0%	xHigh 推論
20	claude-opus-4-7_maxAnthropic	19.0%	Max 推論
21	mistral-large-4-0-oss_highMistral AI	18.1%	High 推論
22	gemini-3.1-pro-previewGoogle	14.3%	情報源のデフォルト構成
22	claude-opus-4-5-20251101_128KAnthropic	14.3%	情報源のデフォルト構成 · 128k
24	gpt-5-2025-08-07_highOpenAI	12.7%	High 推論
24	claude-opus-4-6_maxAnthropic	12.7%	Max 推論
26	qwen3.7-maxAlibaba	9.5%	情報源のデフォルト構成
26	glm-5.2_maxZ.ai	9.5%	Max 推論
28	claude-opus-4-1-20250805Anthropic	7.9%	情報源のデフォルト構成
29	gemini-3.5-flash_highGoogle	4.8%	High 推論
30	kimi-k2.6Moonshot AI	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。