評価の出典公式の評価
MirrorCode
Epoch AI / コーディング · 長時間のソフトウェア再現
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09/23 00:42
最後に同期に成功10/01 20:05
何をどう測るか
公開データは少数のモデルのみで、実行時間も非常に長い。サンプルと実行条件は分類のコンセンサスを形成するには不十分。
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 | claude-opus-5-5_maxAnthropic | 77.4% | Max 推論 |
| 2 | claude-fable-5-1_highAnthropic | 73.3% | High 推論 |
| 3 | claude-fable-5_highAnthropic | 63.9% | High 推論 |
| 4 | gpt-6-astra_highOpenAI | 46.7% | High 推論 |
| 5 | claude-opus-4-7_highAnthropic | 31.1% | High 推論 |
| 6 | gpt-5.6-sol_highOpenAI | 20.0% | High 推論 |
| 7 | gpt-5.4-2026-03-05_highOpenAI | 15.6% | High 推論 |
| 8 | gpt-5.5_highOpenAI | 10.0% | High 推論 |
| 9 | gemini-3.1-pro-preview_highGoogle | 8.9% | High 推論 |
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。