TapTap Maker Benchmark

Name: TapTap Maker Benchmark
Creator: TapTap Maker

TapTap Maker / コーディング · 実際のゲームエンジンでLuaを使い、動作する機能を書く。スコアはエンジンの実行で判定し、別のモデルによる採点は行わない。

News での扱い順位に反映

根拠の配分3.6%

元データの時点11/05 08:00

最後に同期に成功11/16 02:05

何をどう測るか

公式main_boardのL2通過率のみを採用。コスト、速度、Held-out、分類スコアは再投票しない。同一の基盤モデルは固定の推論ティア優先順位で代表行を選び、選択はスコアを見ずに行う。

コーディングとデザインの予算のうち3.6%。エンジンとL2指標を固定。

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-astraOpenAI	87.2%	xHigh 推論
2	claude-fable-5-1Anthropic	86.9%	High 推論
3	claude-opus-5-5Anthropic	86.9%	xHigh 推論
4	gpt-6.1-sol—	86.7%	xHigh 推論
5	gpt-6.1-terraOpenAI	85.5%	xHigh 推論
6	claude-sonnet-5-5anthropic	84.0%	xHigh 推論
7	gemini-4-argonGoogle	83.2%	High 推論
8	hy4hunyuan	81.8%	High 推論
10	deepseek-v4.1-flash-1017deepseek	80.3%	Max 推論
11	gemini-3.8-flashGoogle	80.1%	High 推論
12	gpt-5.6-solOpenAI	79.8%	xHigh 推論
13	grok-4.7-highxai	77.9%	High 推論
14	grok-4.7-xhighxai	77.8%	xHigh 推論
15	qwen3.8-maxAlibaba	77.5%	xHigh 推論
16	claude-haiku-5-5—	77.2%	xHigh 推論
17	gpt-6-solOpenAI	76.8%	xHigh 推論
18	kimi-k3.1-promoonshot	76.8%	Max 推論
19	gpt-6-lunaOpenAI	76.6%	xHigh 推論
20	qwen3.8-max-0902Alibaba	76.2%	xHigh 推論
21	glm-5.3Z.ai	76.2%	Max 推論
22	deepseek-v4.1-flashDeepSeek	76.1%	Max 推論
23	qwen3.8-flashAlibaba	76.0%	xHigh 推論
24	gpt-5.6-terraOpenAI	75.6%	xHigh 推論
25	mimo-v2.6-proXiaomi	75.4%	情報源のデフォルト構成
26	glm-5.3-flashZ.ai	75.0%	Max 推論
27	hy4-previewTencent	72.5%	High 推論
28	kimi-k3Moonshot AI	72.5%	情報源のデフォルト構成
29	gpt-5.6-lunaOpenAI	72.2%	xHigh 推論
30	grok-4.5xAI	72.0%	High 推論
31	doubao-seed-evolvingByteDance	71.6%	High 推論

評価の限界とデータの出典

単一エンジン、単一言語であり、他の技術スタックに一般化できない。異なるモデルが異なる agent ドライバを使う可能性があり、クローズドソースの harness は問題ごとに再計算できない。

データのライセンス：公式公開結果。公開再表示時は公式の帰属表示を保持し、完全な再配布の許諾は依然として易玩／TapTapの条項による

スコアは TapTap Maker 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。