Mystery Game Puzzles

Name: Mystery Game Puzzles
Creator: Epoch AI

Epoch AI / 推論 · 未知のルールから正しい行動を導出

News での扱い順位に反映

根拠の配分1.2%

元データの時点09/30 06:00

最後に同期に成功10/01 20:05

何をどう測るか

Epoch標準プロトコルのmean_scoreのみを採用。問題を非公開とする制限は明確に維持する。

正式に採点。同一問題ファミリーは固定予算を共有する。

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	84.0%	Max 推論
2	gpt-6.1-sol_max—	80.0%	Max 推論
3	claude-opus-5-5_maxAnthropic	71.0%	Max 推論
4	claude-sonnet-5-5_maxanthropic	65.0%	Max 推論
5	claude-opus-5_maxAnthropic	59.0%	Max 推論
6	gpt-5.6-sol_maxOpenAI	58.0%	Max 推論
6	claude-fable-5-1_maxAnthropic	58.0%	Max 推論
8	gpt-5.5_xhighOpenAI	56.0%	xHigh 推論
8	gpt-6-sol_maxOpenAI	56.0%	Max 推論
10	claude-fable-5_maxAnthropic	52.0%	Max 推論
12	gemini-3.8-flash_highGoogle	47.0%	High 推論
13	deepseek-v4-pro-0813_maxDeepSeek	43.0%	Max 推論
14	qwen3.8-max_xhighAlibaba	38.0%	xHigh 推論
15	gemini-3.7-flash_highGoogle	37.0%	High 推論
15	gpt-5.4-2026-03-05_xhighOpenAI	37.0%	xHigh 推論
18	claude-opus-4-8_maxAnthropic	36.0%	Max 推論
19	claude-sonnet-5_maxAnthropic	35.0%	Max 推論
19	gpt-5.6-terra_maxOpenAI	35.0%	Max 推論
21	deepseek-v4-flash-0731_maxDeepSeek	34.0%	Max 推論
21	gemini-3.1-pro-preview_highGoogle	34.0%	High 推論
21	grok-4.6_xhighxAI	34.0%	xHigh 推論
24	glm-5.3_maxZ.ai	33.0%	Max 推論
26	qwen3.7-maxAlibaba	32.0%	情報源のデフォルト構成
26	gemini-3.5-flash_highGoogle	32.0%	High 推論
30	gemini-3.6-flash_highGoogle	30.0%	High 推論
31	o3-2025-04-16_highOpenAI	29.0%	High 推論
33	claude-opus-4-7_maxAnthropic	28.0%	Max 推論
37	kimi-k3_maxMoonshot AI	26.0%	Max 推論
41	claude-opus-4-6_maxAnthropic	25.0%	Max 推論
41	muse-spark-1.3_maxMeta	25.0%	Max 推論

評価の限界とデータの出典

正式に採点。同一問題ファミリーは固定予算を共有する。

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。