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11/02 22:08
最後に同期に成功11/16 02:05
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-sonnet-5-5_maxanthropic | 97.8% | Max 推論 |
| 2 | claude-opus-5-5_maxAnthropic | 95.6% | Max 推論 |
| 3 | claude-fable-5-1_maxAnthropic | 93.3% | Max 推論 |
| 4 | claude-opus-5_maxAnthropic | 87.8% | Max 推論 |
| 6 | claude-haiku-5-5_max— | 78.9% | Max 推論 |
| 7 | gpt-6.1-terra_maxOpenAI | 76.7% | Max 推論 |
| 9 | claude-fable-5_maxAnthropic | 70.0% | Max 推論 |
| 10 | claude-opus-4-8_maxAnthropic | 65.6% | Max 推論 |
| 11 | deepseek-v4.1-flash_maxDeepSeek | 64.4% | Max 推論 |
| 13 | claude-sonnet-5_maxAnthropic | 63.3% | Max 推論 |
| 14 | gpt-6.1-sol_max— | 61.1% | Max 推論 |
| 15 | gpt-6-astra_maxOpenAI | 60.0% | Max 推論 |
| 16 | gemini-4-argon_highGoogle | 58.9% | High 推論 |
| 17 | grok-4.7_xhighxAI | 54.4% | xHigh 推論 |
| 17 | kimi-k3_maxMoonshot AI | 54.4% | Max 推論 |
| 17 | muse-spark-1.3_maxMeta | 54.4% | Max 推論 |
| 20 | qwen3.8-max_xhighAlibaba | 52.2% | xHigh 推論 |
| 21 | gpt-6-sol_maxOpenAI | 48.9% | Max 推論 |
| 22 | qwen3.8-max-0902_xhighAlibaba | 47.8% | xHigh 推論 |
| 24 | muse-wonder-1.0_max— | 45.6% | Max 推論 |
| 25 | claude-opus-4-7_maxAnthropic | 43.3% | Max 推論 |
| 26 | grok-4.6_xhighxAI | 41.1% | xHigh 推論 |
| 26 | gpt-5.6-terra_maxOpenAI | 41.1% | Max 推論 |
| 26 | gemini-3.7-flash_highGoogle | 41.1% | High 推論 |
| 29 | mistral-large-4-0_highMistral AI | 40.0% | High 推論 |
| 30 | gemini-3.8-flash_highGoogle | 38.9% | High 推論 |
| 31 | glm-5.2_maxZ.ai | 36.7% | Max 推論 |
| 32 | claude-opus-4-6_maxAnthropic | 33.3% | Max 推論 |
| 32 | deepseek-v4-pro-0813_maxDeepSeek | 33.3% | Max 推論 |
| 34 | grok-4.5_highxAI | 32.2% | 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。