比較AI により執筆
AI モデルの性能比較 週次レポート(2026 年 10 月 19 日)
公開 23 分で読めます
AI のモデル(文章やコードを扱う言語モデル)の性能を、研究機関 Epoch AI が公開しているデータで比べる週次のレポートです。2026 年 10 月 19 日に取得したデータをもとに、総合の指標の上位 50 モデルを図にしました。分野ごとの成績と、YOBITSUGI AI で使えるモデルもまとめています。
今週の総評
今週は Gemini 4 Argon が初めて集計に入り、5 位(164.6)になりました。1 位は前回に続き Claude Opus 5.5(166.8)で、GPT-6 Astra(166.4)、GPT-6.1 Sol(166.3)が続きます。ただし、1 位と信頼区間が重なるモデルは 1 位を含めて 11 個あり、この中の差は言い切れません。
- 上位 10 は Anthropic が 5、OpenAI が 4、Google DeepMind が 1 です。上位 50 では OpenAI が 14、Anthropic が 11、Google DeepMind が 7 で、提供元の国は米国が 40、中国が 10 でした。
- 前回から新しく加わったのは、Gemini 4 Argon(5 位)、Claude Haiku 5.5(13 位)、Mistral Large 4(71 位)の 3 つです。順位を下げたモデル(Grok 4.6 は 22 → 28 位)も、上げたモデル(Qwen 3.8 Max は 23 → 20 位)もあります。
- 重みが公開されているモデルは上位 50 に 6 つで、最上位は 17 位の Kimi K3(157.4)です。1 位との差は 9.4 でした。
- 分野ごとでは、Gemini 4 Argon が知識の正確さ(SimpleQA Verified・76.0%)と科学(GPQA Diamond・96.4%)で 1 位でした。ただ、どちらも 2 位の GPT-6 Astra との差は誤差の幅の中です。数学(FrontierMath)は GPT-6 Astra と GPT-6.1 Sol が 93.7% で並びました。
順位は目安です。ECI はデータが増えると計算し直されるため、同じモデルでも値が少し変わります(Claude Opus 5.5 は前回 167.3、今回 166.8)。用途に合うかどうかは、分野ごとの図と、実際に試した結果で確かめてください。
総合の順位(上位 50 モデル)
総合の指標には、Epoch AI の ECI(Epoch Capabilities Index)を使いました。50 種類を超えるベンチマークの結果を 1 つの物差しにまとめた値で、数が大きいほど、難しい課題をこなせることを表します。値そのものに意味は無く、モデルどうしの差を見るための指標です(Claude 3.5 Sonnet が 130、GPT-5 が 150 になるように決められています)。
図の点が ECI、点の左右に伸びる線が 95% の信頼区間です。線が重なっているモデルどうしは、この指標では差があるとは言い切れません。277 モデルのうち上位 50 を載せています。
総合の指標(ECI)の上位 50 モデル(2026 年 10 月 19 日時点)
点 = ECI・線 = 95% 信頼区間(右ほど高い)使える = YOBITSUGI AI で使えるモデル新 = この 30 日に公開されたモデル
数値を表で見る
| 順位 | 名前 | 提供元 | ECI | 95% 信頼区間 | 備考 |
|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 | Anthropic | 166.8 | 163.5〜171.0 | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル |
| 2 | GPT-6 Astra | OpenAI | 166.4 | 163.4〜171.2 | YOBITSUGI AI で使えるモデル |
| 3 | GPT-6.1 Sol | OpenAI | 166.3 | 163.2〜170.8 | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル |
| 4 | Claude Fable 5.1 | Anthropic | 164.7 | 161.9〜168.5 | YOBITSUGI AI で使えるモデル・前回 5 位 |
| 5 | Gemini 4 Argon | Google DeepMind | 164.6 | 161.7〜168.7 | この 30 日に公開されたモデル・今回から掲載 |
| 6 | Claude Sonnet 5.5 | Anthropic | 164.5 | 161.4〜168.3 | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・前回 4 位 |
| 7 | Claude Opus 5 | Anthropic | 162.6 | 160.0〜165.8 | 前回 6 位 |
| 8 | GPT-6 Sol | OpenAI | 162.6 | 160.0〜165.8 | この 30 日に公開されたモデル・前回 7 位 |
| 9 | Claude Fable 5 | Anthropic | 162.1 | 159.5〜166.3 | 前回 8 位 |
| 10 | GPT-5.5 Pro | OpenAI | 162.0 | 159.0〜165.1 | 前回 9 位 |
| 11 | GPT-5.6 Sol | OpenAI | 161.7 | 159.5〜165.0 | 前回 10 位 |
| 12 | GPT-5.6 Terra | OpenAI | 159.4 | 156.8〜162.2 | 前回 11 位 |
| 13 | Claude Haiku 5.5 | Anthropic | 159.0 | 156.6〜162.1 | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・今回から掲載 |
| 14 | GPT-5.4 Pro | OpenAI | 159.0 | 156.5〜161.7 | 前回 13 位 |
| 15 | GPT-5.5 | OpenAI | 159.0 | 156.4〜161.9 | 前回 12 位 |
| 16 | Claude Opus 4.8 | Anthropic | 158.3 | 156.2〜160.8 | 前回 14 位 |
| 17 | Kimi K3 | Moonshot | 157.4 | 155.1〜160.1 | 前回 15 位 |
| 18 | Gemini 3.7 Flash | Google DeepMind | 157.2 | 155.3〜159.7 | 前回 16 位 |
| 19 | Gemini 3.8 Flash | Google DeepMind | 157.2 | 155.0〜160.5 | YOBITSUGI AI で使えるモデル・前回 20 位 |
| 20 | Qwen 3.8 Max | Alibaba | 156.9 | 155.1〜159.1 | 前回 23 位 |
| 21 | GPT-5.3 Codex | OpenAI | 156.8 | 152.9〜160.5 | 前回 17 位 |
| 22 | Muse Spark 1.3 | Meta AI | 156.8 | 154.9〜158.9 | 前回 19 位 |
| 23 | GPT-5.4 | OpenAI | 156.7 | 155.0〜158.9 | 前回 18 位 |
| 24 | Claude Sonnet 5 | Anthropic | 156.4 | 154.0〜158.9 | 前回 26 位 |
| 25 | Claude Opus 4.7 | Anthropic | 156.3 | 154.6〜158.5 | 前回 24 位 |
| 26 | GPT-5.6 Luna | OpenAI | 156.3 | 153.9〜159.0 | 前回 21 位 |
| 27 | GPT-6 Luna | OpenAI | 156.3 | 153.9〜158.8 | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・前回 25 位 |
| 28 | Grok 4.6 | xAI | 156.3 | 154.5〜158.7 | 前回 22 位 |
| 29 | GPT-5.2 Pro | OpenAI | 156.0 | 153.8〜159.6 | 前回 28 位 |
| 30 | GLM-5.3 | Z.ai (Zhipu AI) | 155.9 | 154.0〜158.4 | 前回 27 位 |
| 31 | DeepSeek V4.1 Flash | DeepSeek | 155.6 | 153.5〜157.6 | YOBITSUGI AI で使えるモデル・前回 32 位 |
| 32 | Claude Opus 4.6 | Anthropic | 155.3 | 153.6〜157.1 | 前回 30 位 |
| 33 | DeepSeek V4 Pro 0813 | DeepSeek | 155.3 | 153.5〜157.6 | YOBITSUGI AI で使えるモデル・前回 29 位 |
| 34 | Muse Spark 1.2 | Meta AI | 154.9 | 153.0〜157.0 | 前回 33 位 |
| 35 | Qwen3.8 Max (0902) | Alibaba | 154.9 | 153.1〜156.7 | 前回 31 位 |
| 36 | Gemini 3.1 Pro | Google DeepMind | 154.7 | 152.5〜157.1 | YOBITSUGI AI で使えるモデル・前回 34 位 |
| 37 | DeepSeek V4 Flash 0731 | DeepSeek | 154.5 | 152.1〜156.4 | 前回 35 位 |
| 38 | Gemini 3.5 Flash | Google DeepMind | 154.4 | 152.4〜156.5 | 前回 36 位 |
| 39 | Grok 4.7 | xAI | 154.4 | 152.7〜156.5 | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・前回 42 位 |
| 40 | Gemini 3.6 Flash | Google DeepMind | 154.2 | 152.7〜156.1 | 前回 37 位 |
| 41 | Muse Spark 1.1 | Meta AI | 154.0 | 151.7〜156.3 | 前回 38 位 |
| 42 | Grok 4.5 | xAI | 153.9 | 152.5〜155.9 | 前回 39 位 |
| 43 | Qwen3.7-Max | Alibaba | 153.8 | 152.0〜156.2 | 前回 40 位 |
| 44 | GPT-5.2 | OpenAI | 153.5 | 151.6〜155.3 | 前回 41 位 |
| 45 | GLM-5.3-Flash | Z.ai (Zhipu AI) | 153.2 | 151.0〜155.4 | 前回 47 位 |
| 46 | Gemini 3 Pro | Google DeepMind | 152.9 | 151.0〜155.0 | 前回 43 位 |
| 47 | Claude Sonnet 4.6 | Anthropic | 152.4 | 150.0〜154.7 | 前回 44 位 |
| 48 | Grok 4.20 | xAI | 152.1 | 149.5〜154.2 | 前回 45 位 |
| 49 | Muse Spark | Meta AI | 152.1 | 150.3〜155.4 | 前回 46 位 |
| 50 | GLM-5.2 | Z.ai (Zhipu AI) | 151.9 | 150.1〜154.0 | 前回 48 位 |
提供元ごとの最上位のモデル
提供元ごとに、ECI のいちばん高いモデルを 1 つずつ並べました。そのモデルがこの 1 年に公開された提供元を載せています。
提供元ごとの最上位のモデル(ECI・13 社)
点 = ECI・線 = 95% 信頼区間(右ほど高い)使える = YOBITSUGI AI で使えるモデル新 = この 30 日に公開されたモデル
数値を表で見る
| 順位 | 名前 | 提供元 | ECI | 95% 信頼区間 | 備考 |
|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 | Anthropic | 166.8 | 163.5〜171.0 | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・全体 1 位 |
| 2 | GPT-6 Astra | OpenAI | 166.4 | 163.4〜171.2 | YOBITSUGI AI で使えるモデル・全体 2 位 |
| 3 | Gemini 4 Argon | Google DeepMind | 164.6 | 161.7〜168.7 | この 30 日に公開されたモデル・全体 5 位 |
| 4 | Kimi K3 | Moonshot | 157.4 | 155.1〜160.1 | 全体 17 位 |
| 5 | Qwen 3.8 Max | Alibaba | 156.9 | 155.1〜159.1 | 全体 20 位 |
| 6 | Muse Spark 1.3 | Meta AI | 156.8 | 154.9〜158.9 | 全体 22 位 |
| 7 | Grok 4.6 | xAI | 156.3 | 154.5〜158.7 | 全体 28 位 |
| 8 | GLM-5.3 | Z.ai (Zhipu AI) | 155.9 | 154.0〜158.4 | 全体 30 位 |
| 9 | DeepSeek V4.1 Flash | DeepSeek | 155.6 | 153.5〜157.6 | YOBITSUGI AI で使えるモデル・全体 31 位 |
| 10 | Inkling-Small | Thinking Machines | 150.2 | 147.3〜152.1 | 全体 56 位 |
| 11 | MiniMax-M3 | MiniMax | 147.1 | 142.8〜150.0 | 全体 70 位 |
| 12 | Mistral Large 4 | Mistral AI | 146.9 | 143.7〜150.9 | この 30 日に公開されたモデル・全体 71 位 |
| 13 | Nemotron 3 Ultra | Nvidia | 145.8 | 143.4〜147.6 | 全体 85 位 |
重みが公開されているモデルの上位
重み(学習済みのモデルの中身)が公開されていて、自分の環境で動かせるモデルに絞った順位です。
重みが公開されているモデルの上位 20(ECI)
点 = ECI・線 = 95% 信頼区間(右ほど高い)使える = YOBITSUGI AI で使えるモデル
数値を表で見る
| 順位 | 名前 | 提供元 | ECI | 95% 信頼区間 | 備考 |
|---|---|---|---|---|---|
| 1 | Kimi K3 | Moonshot | 157.4 | 155.1〜160.1 | 全体 17 位 |
| 2 | DeepSeek V4.1 Flash | DeepSeek | 155.6 | 153.5〜157.6 | YOBITSUGI AI で使えるモデル・全体 31 位 |
| 3 | DeepSeek V4 Pro 0813 | DeepSeek | 155.3 | 153.5〜157.6 | YOBITSUGI AI で使えるモデル・全体 33 位 |
| 4 | DeepSeek V4 Flash 0731 | DeepSeek | 154.5 | 152.1〜156.4 | 全体 37 位 |
| 5 | GLM-5.3-Flash | Z.ai (Zhipu AI) | 153.2 | 151.0〜155.4 | 全体 45 位 |
| 6 | GLM-5.2 | Z.ai (Zhipu AI) | 151.9 | 150.1〜154.0 | 全体 50 位 |
| 7 | Qwen 3.8 27B | Alibaba | 151.6 | 149.8〜153.1 | 全体 52 位 |
| 8 | Kimi K2.6 | Moonshot | 150.9 | 149.1〜152.8 | 全体 53 位 |
| 9 | Inkling-Small | Thinking Machines | 150.2 | 147.3〜152.1 | 全体 56 位 |
| 10 | GLM-5.1 | Z.ai (Zhipu AI) | 150.0 | 148.1〜151.8 | 全体 57 位 |
| 11 | Kimi K2.7 Code | Moonshot | 149.9 | 147.9〜151.7 | 全体 59 位 |
| 12 | DeepSeek-V4-Pro | DeepSeek | 149.2 | 147.4〜150.7 | 全体 61 位 |
| 13 | Inkling | Thinking Machines | 148.6 | 146.1〜150.6 | 全体 65 位 |
| 14 | Kimi K2.5 | Moonshot | 148.0 | 146.4〜149.3 | 全体 66 位 |
| 15 | MiniMax-M3 | MiniMax | 147.1 | 142.8〜150.0 | 全体 70 位 |
| 16 | MiniMax-M2.5 | MiniMax | 146.7 | 142.6〜147.9 | 全体 74 位 |
| 17 | Qwen3.5 397B-A17B | Alibaba | 146.7 | 145.0〜148.3 | 全体 75 位 |
| 18 | Qwen3.6 27B | Alibaba | 146.5 | 144.1〜147.8 | 全体 76 位 |
| 19 | DeepSeek-V3.2 | DeepSeek | 146.1 | 144.4〜147.3 | 全体 79 位 |
| 20 | DeepSeek-V4-Flash | DeepSeek | 146.1 | 143.7〜148.1 | 全体 80 位 |
分野ごとの成績
ここからは、Epoch AI が同じ条件で測ったベンチマークの正答率です。同じモデルを設定(推論の深さなど)を変えて測っている場合は、いちばん高い結果を載せ、提供元の後ろにその設定を書いています。
数学(FrontierMath)
FrontierMath は、数学者が作った未発表の難しい問題を集めたベンチマークです。数論や解析から代数幾何まで広い分野の問題があり、専門の研究者でも 1 問に数時間かかるとされています。ここでは基本のセット(Tier 1〜3・295 問)の正答率を比べます。
FrontierMath(Tier 1〜3)の正答率の上位 25 モデル(2026 年 10 月 19 日時点)
棒 = 正答率(長いほど高い)使える = YOBITSUGI AI で使えるモデル新 = この 30 日に公開されたモデル
数値を表で見る
| 順位 | 名前 | 提供元 | 正答率 | 備考 |
|---|---|---|---|---|
| 1 | GPT-6 Astra | OpenAI・設定 max | 93.7% | YOBITSUGI AI で使えるモデル・標準誤差 ±1.4 ポイント |
| 2 | GPT-6.1 Sol | OpenAI・設定 max | 93.7% | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・標準誤差 ±1.4 ポイント |
| 3 | Claude Opus 5.5 | Anthropic・設定 max | 91.2% | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・標準誤差 ±1.7 ポイント |
| 4 | Claude Fable 5.1 | Anthropic・設定 max | 90.2% | YOBITSUGI AI で使えるモデル・標準誤差 ±1.8 ポイント |
| 5 | GPT-6 Sol | OpenAI・設定 max | 89.8% | この 30 日に公開されたモデル・標準誤差 ±1.8 ポイント |
| 6 | GPT-5.6 Sol | OpenAI・設定 max | 89.1% | 標準誤差 ±1.8 ポイント |
| 7 | Claude Sonnet 5.5 | Anthropic・設定 max | 88.8% | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・標準誤差 ±1.9 ポイント |
| 8 | GPT-5.5 Pro | OpenAI・設定 xhigh | 87.7% | 標準誤差 ±1.9 ポイント |
| 9 | Claude Fable 5 | Anthropic・設定 max | 87.0% | 標準誤差 ±2.0 ポイント |
| 10 | GPT-5.6 Terra | OpenAI・設定 max | 86.0% | 標準誤差 ±2.1 ポイント |
| 11 | Gemini 4 Argon | Google DeepMind・設定 high | 86.0% | この 30 日に公開されたモデル・標準誤差 ±2.1 ポイント |
| 12 | Claude Opus 5 | Anthropic・設定 max | 85.6% | 標準誤差 ±2.1 ポイント |
| 13 | GPT-5.5 | OpenAI・設定 xhigh | 85.3% | 標準誤差 ±2.1 ポイント |
| 14 | GPT-5.4 Pro | OpenAI・設定 xhigh | 82.5% | 標準誤差 ±2.3 ポイント |
| 15 | GPT-5.6 Luna | OpenAI・設定 max | 82.1% | 標準誤差 ±2.3 ポイント |
| 16 | Muse Wonder | Meta AI・設定 max | 82.1% | この 30 日に公開されたモデル・標準誤差 ±2.3 ポイント |
| 17 | Claude Opus 4.8 | Anthropic | 80.0% | 標準誤差 ±2.4 ポイント |
| 18 | GPT-6 Luna | OpenAI・設定 max | 78.9% | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・標準誤差 ±2.4 ポイント |
| 19 | GPT-5.4 | OpenAI・設定 xhigh | 78.6% | 標準誤差 ±2.4 ポイント |
| 20 | Claude Haiku 5.5 | Anthropic・設定 max | 75.1% | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・標準誤差 ±2.6 ポイント |
| 21 | Qwen 3.8 Max | Alibaba・設定 xhigh | 74.7% | 標準誤差 ±2.6 ポイント |
| 22 | Muse Spark 1.3 | Meta AI・設定 xhigh | 74.4% | 標準誤差 ±2.6 ポイント |
| 23 | GPT-5.2 Pro | OpenAI | 74.0% | 標準誤差 ±2.6 ポイント |
| 24 | Kimi K3 | Moonshot・設定 max | 72.2% | 標準誤差 ±2.7 ポイント |
| 25 | Gemini 3.7 Flash | Google DeepMind・設定 high | 71.6% | 標準誤差 ±2.7 ポイント |
知識の正確さ(SimpleQA Verified)
SimpleQA Verified は、政治・科学技術・芸術・スポーツ・地理・音楽などの事実を問う 1,000 問です。短い質問に正しく答えられた割合を比べます。
SimpleQA Verified の正答率の上位 25 モデル(2026 年 10 月 19 日時点)
棒 = 正答率(長いほど高い)使える = YOBITSUGI AI で使えるモデル新 = この 30 日に公開されたモデル
数値を表で見る
| 順位 | 名前 | 提供元 | 正答率 | 備考 |
|---|---|---|---|---|
| 1 | Gemini 4 Argon | Google DeepMind・設定 high | 76.0% | この 30 日に公開されたモデル・標準誤差 ±1.4 ポイント |
| 2 | GPT-6 Astra | OpenAI・設定 max | 75.6% | YOBITSUGI AI で使えるモデル・標準誤差 ±1.4 ポイント |
| 3 | GPT-6.1 Sol | OpenAI・設定 max | 73.9% | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・標準誤差 ±1.4 ポイント |
| 4 | Gemini 3.1 Pro | Google DeepMind | 73.5% | YOBITSUGI AI で使えるモデル・標準誤差 ±1.4 ポイント |
| 5 | Claude Opus 5.5 | Anthropic・設定 max | 72.2% | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・標準誤差 ±1.4 ポイント |
| 6 | Claude Fable 5.1 | Anthropic・設定 max | 70.8% | YOBITSUGI AI で使えるモデル・標準誤差 ±1.4 ポイント |
| 7 | Claude Fable 5 | Anthropic・設定 xhigh | 70.7% | 標準誤差 ±1.4 ポイント |
| 8 | GPT-5.6 Sol | OpenAI・設定 max | 69.7% | 標準誤差 ±1.5 ポイント |
| 9 | Gemini 3.8 Flash | Google DeepMind・設定 high | 69.7% | YOBITSUGI AI で使えるモデル・標準誤差 ±1.5 ポイント |
| 10 | Gemini 3.7 Flash | Google DeepMind・設定 high | 69.2% | 標準誤差 ±1.5 ポイント |
| 11 | Gemini 3 Flash | Google DeepMind | 66.8% | 標準誤差 ±1.5 ポイント |
| 12 | Gemini 3.5 Flash | Google DeepMind | 66.2% | 標準誤差 ±1.5 ポイント |
| 13 | Gemini 3.6 Flash | Google DeepMind | 66.2% | 標準誤差 ±1.5 ポイント |
| 14 | GPT-5.5 | OpenAI・設定 xhigh | 63.0% | 標準誤差 ±1.5 ポイント |
| 15 | GPT-6 Sol | OpenAI・設定 max | 60.7% | この 30 日に公開されたモデル・標準誤差 ±1.5 ポイント |
| 16 | Muse Spark 1.2 | Meta AI・設定 xhigh | 60.3% | 標準誤差 ±1.6 ポイント |
| 17 | Claude Opus 5 | Anthropic・設定 max | 59.9% | 標準誤差 ±1.6 ポイント |
| 18 | Muse Spark 1.1 | Meta AI | 57.8% | 標準誤差 ±1.6 ポイント |
| 19 | Muse Spark Open | Meta AI・設定 xhigh | 56.6% | この 30 日に公開されたモデル・標準誤差 ±1.6 ポイント |
| 20 | Grok 4.7 | xAI・設定 xhigh | 56.0% | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・標準誤差 ±1.6 ポイント |
| 21 | Qwen3.7-Max | Alibaba | 55.8% | 標準誤差 ±1.6 ポイント |
| 22 | Claude Opus 4.8 | Anthropic | 53.0% | 標準誤差 ±1.6 ポイント |
| 23 | DeepSeek V4 Pro 0813 | DeepSeek・設定 max | 52.9% | YOBITSUGI AI で使えるモデル・標準誤差 ±1.6 ポイント |
| 24 | Qwen 3.6 Max (Preview) | Alibaba | 52.0% | 標準誤差 ±1.6 ポイント |
| 25 | Claude Opus 4.7 | Anthropic・設定 xhigh | 51.7% | 標準誤差 ±1.6 ポイント |
科学(GPQA Diamond)
GPQA Diamond は、生物・化学・物理の専門家が作った 4 択の問題 198 問です。専門でない人には、調べても解きにくい問題が選ばれています。当てずっぽうでも 25% になります。上位のモデルは満点に近づいていて、差が付きにくくなっています。
GPQA Diamond の正答率の上位 25 モデル(2026 年 10 月 19 日時点)
棒 = 正答率(長いほど高い)使える = YOBITSUGI AI で使えるモデル新 = この 30 日に公開されたモデル
数値を表で見る
| 順位 | 名前 | 提供元 | 正答率 | 備考 |
|---|---|---|---|---|
| 1 | Gemini 4 Argon | Google DeepMind・設定 high | 96.4% | この 30 日に公開されたモデル・標準誤差 ±1.2 ポイント |
| 2 | GPT-6 Astra | OpenAI・設定 max | 95.8% | YOBITSUGI AI で使えるモデル・標準誤差 ±1.4 ポイント |
| 3 | Claude Sonnet 5.5 | Anthropic・設定 max | 95.6% | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・標準誤差 ±1.4 ポイント |
| 4 | GPT-6.1 Sol | OpenAI・設定 max | 95.4% | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・標準誤差 ±1.4 ポイント |
| 5 | Gemini 3.8 Flash | Google DeepMind・設定 high | 95.4% | YOBITSUGI AI で使えるモデル・標準誤差 ±1.4 ポイント |
| 6 | Gemini 3.7 Flash | Google DeepMind・設定 high | 94.8% | 標準誤差 ±1.3 ポイント |
| 7 | GPT-5.4 Pro | OpenAI・設定 xhigh | 94.6% | 標準誤差 ±1.6 ポイント |
| 8 | Gemini 3.1 Pro | Google DeepMind | 94.4% | YOBITSUGI AI で使えるモデル・標準誤差 ±1.6 ポイント |
| 9 | GPT-6 Sol | OpenAI・設定 max | 94.3% | この 30 日に公開されたモデル・標準誤差 ±1.5 ポイント |
| 10 | Gemini 3.6 Flash | Google DeepMind | 94.1% | 標準誤差 ±1.4 ポイント |
| 11 | GPT-5.5 | OpenAI・設定 xhigh | 94.0% | 標準誤差 ±1.5 ポイント |
| 12 | Grok 4.6 | xAI・設定 high | 94.0% | 標準誤差 ±1.4 ポイント |
| 13 | Claude Opus 5 | Anthropic・設定 max | 93.9% | 標準誤差 ±1.5 ポイント |
| 14 | GPT-5.5 Pro | OpenAI・設定 xhigh | 93.9% | 標準誤差 ±1.6 ポイント |
| 15 | GPT-5.6 Sol | OpenAI・設定 max | 93.5% | 標準誤差 ±1.6 ポイント |
| 16 | Grok 4.5 | xAI・設定 high | 93.4% | 標準誤差 ±1.4 ポイント |
| 17 | GPT-5.4 | OpenAI・設定 xhigh | 93.3% | 標準誤差 ±1.8 ポイント |
| 18 | GPT-5.6 Terra | OpenAI・設定 max | 93.3% | 標準誤差 ±1.5 ポイント |
| 19 | Kimi K3 | Moonshot・設定 max | 93.1% | 標準誤差 ±1.5 ポイント |
| 20 | Gemini 3.5 Flash | Google DeepMind | 92.8% | 標準誤差 ±1.6 ポイント |
| 21 | Grok 4.7 | xAI・設定 xhigh | 92.7% | YOBITSUGI AI で使えるモデル・この 30 日に公開されたモデル・標準誤差 ±1.6 ポイント |
| 22 | Qwen 3.8 Max | Alibaba・設定 xhigh | 92.7% | 標準誤差 ±1.7 ポイント |
| 23 | Gemini 3 Pro | Google DeepMind | 92.6% | 標準誤差 ±1.7 ポイント |
| 24 | Qwen3.8 Max (0902) | Alibaba・設定 xhigh | 92.3% | 標準誤差 ±1.7 ポイント |
| 25 | GLM-5.2 | Z.ai (Zhipu AI) | 91.9% | 標準誤差 ±1.6 ポイント |
前回(10 月 14 日)からの変化
新しく加わったモデルは 3 個です。
| モデル | 提供元 | 公開日 | ECI | 総合の順位 |
|---|---|---|---|---|
| Gemini 4 Argon | Google DeepMind | 2026-09-30 | 164.6 | 5 位 |
| Claude Haiku 5.5 | Anthropic | 2026-10-07 | 159.0 | 13 位 |
| Mistral Large 4 | Mistral AI | 2026-10-06 | 146.9 | 71 位 |
上位 50 の中で順位が動いたモデルです(動きの大きい順)。
| モデル | 前回 | 今回 | ECI(前回 → 今回) |
|---|---|---|---|
| Grok 4.6 | 22 位 | 28 位 | 156.4 → 156.3 |
| GPT-5.4 | 18 位 | 23 位 | 156.8 → 156.7 |
| GPT-5.6 Luna | 21 位 | 26 位 | 156.4 → 156.3 |
| GPT-5.3 Codex | 17 位 | 21 位 | 156.8 → 156.8 |
| DeepSeek V4 Pro 0813 | 29 位 | 33 位 | 155.3 → 155.3 |
| Qwen3.8 Max (0902) | 31 位 | 35 位 | 155.1 → 154.9 |
| GPT-5.5 | 12 位 | 15 位 | 159.1 → 159.0 |
| Qwen 3.8 Max | 23 位 | 20 位 | 156.4 → 156.9 |
| Muse Spark 1.3 | 19 位 | 22 位 | 156.8 → 156.8 |
| GLM-5.3 | 27 位 | 30 位 | 155.6 → 155.9 |
| Grok 4.7 | 42 位 | 39 位 | 153.5 → 154.4 |
| Gemini 3.6 Flash | 37 位 | 40 位 | 154.3 → 154.2 |
| Muse Spark 1.1 | 38 位 | 41 位 | 154.2 → 154.0 |
| Grok 4.5 | 39 位 | 42 位 | 153.9 → 153.9 |
| Qwen3.7-Max | 40 位 | 43 位 | 153.7 → 153.8 |
YOBITSUGI AI で使えるモデル
総合の順位に出ているモデルのうち、YOBITSUGI AI では次のモデルを使えます(2026 年 10 月時点)。料金は YOBITSUGI AI の料金ページをご覧ください。
| モデル | 提供元 | 総合の順位 | ECI |
|---|---|---|---|
| Claude Opus 5.5 | Anthropic | 1 位 | 166.8 |
| GPT-6 Astra | OpenAI | 2 位 | 166.4 |
| GPT-6.1 Sol | OpenAI | 3 位 | 166.3 |
| Claude Fable 5.1 | Anthropic | 4 位 | 164.7 |
| Claude Sonnet 5.5 | Anthropic | 6 位 | 164.5 |
| Claude Haiku 5.5 | Anthropic | 13 位 | 159.0 |
| Gemini 3.8 Flash | Google DeepMind | 19 位 | 157.2 |
| GPT-6 Luna | OpenAI | 27 位 | 156.3 |
| DeepSeek V4.1 Flash | DeepSeek | 31 位 | 155.6 |
| DeepSeek V4 Pro 0813 | DeepSeek | 33 位 | 155.3 |
| Gemini 3.1 Pro | Google DeepMind | 36 位 | 154.7 |
| Grok 4.7 | xAI | 39 位 | 154.4 |
この記事の見方
- ベンチマークは、モデルの力の一部を測るものです。日本語での使い心地、文章の自然さ、応答の速さ、料金は、この順位には入っていません。
- 信頼区間が重なるモデルどうしは、順位が入れ替わってもおかしくありません。順位は目安として見てください。
- 分野ごとの成績は、Epoch AI が同じ条件で測った結果です。各社が発表している数値とは、測り方の違いで合わないことがあります。
- 順位と数値は、データを取得した 2026 年 10 月 19 日時点のものです。Epoch AI のデータは、新しいモデルの追加や測り直しで更新されます。
- Epoch AI は、ベンチマークの評価に英国の AI Security Institute の助成を受けていると説明しています。FrontierMath は OpenAI の資金で作られ、OpenAI は問題の一部を利用できます。
出典
- Epoch AI「Capabilities & benchmarking」(Epoch AI・2026-10-19 取得・ライセンスは CC BY 4.0)
- Epoch Capabilities Index(ECI)(Epoch AI・2026-10-19 確認)
- FrontierMath(Epoch AI・2026-10-19 確認)
- SimpleQA Verified(Epoch AI・2026-10-19 確認)
- GPQA Diamond(Epoch AI・2026-10-19 確認)
図・表・総評は、Epoch AI のデータをもとに YOBITSUGI AI メディアが作成したものです。Epoch AI の見解を示すものではありません。
