AIモデルの性能比較 週次レポート(2026年11月9日)
執筆・監修: 佐々木 航公開 更新 23 分で読めます
今週は、GPT-6.1 Solが4位から2位に上がりました。前回の集計のあと、研究機関Epoch AIは11月4〜6日に、ゲームで腕前を測る評価SpireClimbの結果を、上位のモデル9つに足しました。Solはこの評価で23.8%と、GPT-6 Astra(34.0%)に次ぐ2番目でした。一方、Claude Opus 5.5は5.8%、Claude Sonnet 5.5は1.3%です。
同じ11月4日にはECIの計算の方法も変わりましたが、上位のモデルの値はほぼ動いていません(ECIの計算の変更)。Solの伸びと、Sonnet 5.5が5位から7位に下がったのは、SpireClimbの結果が入った時期と重なります。
このレポートでは、Epoch AIの公開データ(2026年11月9日取得)で、言語モデルの総合の上位50と、数学・知識・科学の分野ごとの成績、YOBITSUGI AIで使えるモデルの位置を比べられます。新しい回は毎週月曜に公開され、比べるの一覧の上のほうに並びます。前の回は11月2日の版です。仕事の目的からモデルを選びたいときは、AIモデルの選び方の診断も使えます。
今週の総評
上位3つは、GPT-6 Astra(169.1)、GPT-6.1 Sol(168.9)、Claude Opus 5.5(168.4)が0.7の幅に並びました。ただ、1位と区間が重なるモデルは1位を含めて10個あり、この中の順位の差は言い切れません。
- GPT-6.1 Solが上がった分、Claude Opus 5.5とGPT-6.1 Terraは1つずつ順位を下げました。
- 上位50に、初めて米国と中国以外の提供元が入りました。フランスのMistral AIのMistral Large 4で、今週いちばん順位を上げたモデルでもあります。
- 重みを公開したモデルの最上位は、今週もDeepSeek V4.1 Flash 1017(19位)です。
- 上位50に入る重みの公開のモデルは、8個から9個に増えました。
- 上位50の提供元は、OpenAI 14、Anthropic 10、Google DeepMind 6、Meta AI 6です。
- 分野の1位は前回と同じで、数学はGPT-6 AstraとGPT-6.1 Sol、知識の正確さと科学はGemini 4 Argonです。
なお、Kimi K3.1 Proは分野ごとの図には入りましたが、Gemini 4 Carbonと同じく、今週もECIが付いていません。同じモデルでもECIは週ごとに少し動くため、1週の上下は目安として見てください。
総合の順位(上位50モデル)
総合指標は、Epoch AIのECI(Epoch Capabilities Index)です。50種類を超えるベンチマークの結果を1つの物差しにした値で、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なく、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90%の信用区間です(真の値がこの範囲に入る確率が90%。Epoch AIは2026年11月4日からベイズ統計で計算しています)。区間が重なっていても、差がないとは限りません。Epoch AIによると、近いモデルどうしの差は、それぞれの区間より確かに分かります(計算の方法の変更)。図は253モデルのうちの上位50です。
総合指標(ECI)の上位50モデル(2026年11月9日時点)
点 = ECI・線 = 90%信用区間(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 | 90%信用区間 | 備考 |
|---|---|---|---|---|---|
| 1 | GPT-6 Astra | OpenAI | 169.1 | 166.2〜172.3 | YOBITSUGI AIで使えるモデル |
| 2 | GPT-6.1 Sol | OpenAI | 168.9 | 166.0〜172.2 | YOBITSUGI AIで使えるモデル・前回4位 |
| 3 | Claude Opus 5.5 | Anthropic | 168.4 | 165.5〜171.5 | YOBITSUGI AIで使えるモデル・前回2位 |
| 4 | GPT-6.1 Terra | OpenAI | 167.8 | 164.9〜171.2 | この30日に公開されたモデル・前回3位 |
| 5 | Claude Fable 5.1 | Anthropic | 166.9 | 164.3〜169.9 | YOBITSUGI AIで使えるモデル・前回6位 |
| 6 | Gemini 4 Argon | Google DeepMind | 166.5 | 163.8〜169.4 | YOBITSUGI AIで使えるモデル・前回7位 |
| 7 | Claude Sonnet 5.5 | Anthropic | 166.2 | 163.5〜169.2 | YOBITSUGI AIで使えるモデル・前回5位 |
| 8 | Claude Opus 5 | Anthropic | 164.5 | 162.0〜167.2 | |
| 9 | Claude Fable 5 | Anthropic | 164.2 | 161.8〜166.9 | 前回11位 |
| 10 | GPT-6 Sol | OpenAI | 164.1 | 161.6〜166.8 | 前回9位 |
| 11 | GPT-5.6 Sol | OpenAI | 163.0 | 160.7〜165.5 | 前回12位 |
| 12 | GPT-5.5 Pro | OpenAI | 162.7 | 160.0〜165.6 | 前回10位 |
| 13 | Muse Wonder | Meta AI | 162.0 | 159.6〜164.6 | この30日に公開されたモデル |
| 14 | GPT-5.6 Terra | OpenAI | 160.9 | 158.7〜163.4 | 前回15位 |
| 15 | Claude Haiku 5.5 | Anthropic | 160.2 | 158.0〜162.6 | YOBITSUGI AIで使えるモデル・前回14位 |
| 16 | GPT-5.4 Pro | OpenAI | 160.2 | 157.7〜163.0 | |
| 17 | GPT-5.5 | OpenAI | 160.0 | 158.1〜162.2 | 前回18位 |
| 18 | Claude Opus 4.8 | Anthropic | 159.9 | 157.9〜162.2 | 前回17位 |
| 19 | DeepSeek V4.1 Flash 1017 | DeepSeek | 159.3 | 157.0〜161.8 | この30日に公開されたモデル |
| 20 | Gemini 3.8 Flash | Google DeepMind | 158.6 | 156.7〜160.8 | YOBITSUGI AIで使えるモデル・前回23位 |
| 21 | Kimi K3 | Moonshot | 158.5 | 156.5〜160.6 | 前回20位 |
| 22 | Gemini 3.7 Flash | Google DeepMind | 158.4 | 156.4〜160.6 | 前回21位 |
| 23 | Muse Spark 1.3 | Meta AI | 158.0 | 155.9〜160.2 | 前回24位 |
| 24 | Grok 4.6 | xAI | 157.9 | 156.0〜160.1 | 前回27位 |
| 25 | GPT-5.4 | OpenAI | 157.8 | 156.0〜159.9 | |
| 26 | Claude Opus 4.7 | Anthropic | 157.6 | 155.7〜159.5 | 前回29位 |
| 27 | Qwen 3.8 Max | Alibaba | 157.4 | 155.3〜159.7 | 前回22位 |
| 28 | GPT-5.2 Pro | OpenAI | 157.2 | 155.0〜159.7 | 前回31位 |
| 29 | GLM-5.3 | Z.ai (Zhipu AI) | 156.9 | 154.8〜159.2 | 前回32位 |
| 30 | GPT-5.6 Luna | OpenAI | 156.8 | 154.9〜158.8 | |
| 31 | Claude Sonnet 5 | Anthropic | 156.7 | 154.7〜158.8 | 前回26位 |
| 32 | GPT-6 Luna | OpenAI | 156.7 | 154.8〜158.7 | YOBITSUGI AIで使えるモデル・前回28位 |
| 33 | DeepSeek V4.1 Flash | DeepSeek | 156.5 | 154.6〜158.6 | 前回34位 |
| 34 | Claude Opus 4.6 | Anthropic | 156.3 | 154.6〜158.2 | 前回35位 |
| 35 | Gemini 3.1 Pro | Google DeepMind | 156.2 | 154.6〜158.1 | 前回37位 |
| 36 | Grok 4.7 | xAI | 156.1 | 154.2〜158.0 | YOBITSUGI AIで使えるモデル・前回43位 |
| 37 | DeepSeek V4 Pro 0813 | DeepSeek | 155.9 | 154.0〜157.9 | 前回36位 |
| 38 | Qwen3.8 Max (0902) | Alibaba | 155.9 | 153.7〜158.1 | 前回33位 |
| 39 | Muse Spark Open | Meta AI | 155.4 | 153.5〜157.6 | この30日に公開されたモデル |
| 40 | Gemini 3.5 Flash | Google DeepMind | 155.2 | 153.4〜157.2 | |
| 41 | Gemini 3.6 Flash | Google DeepMind | 155.2 | 153.5〜157.1 | 前回42位 |
| 42 | Grok 4.5 | xAI | 155.1 | 153.3〜157.0 | 前回44位 |
| 43 | Muse Spark 1.2 | Meta AI | 155.1 | 152.7〜157.5 | 前回38位 |
| 44 | Muse Spark 1.1 | Meta AI | 154.9 | 152.3〜157.6 | 前回45位 |
| 45 | Mistral Large 4 | Mistral AI | 154.7 | 151.9〜157.3 | YOBITSUGI AIで使えるモデル・この30日に公開されたモデル・前回58位 |
| 46 | Qwen3.7-Max | Alibaba | 154.5 | 152.5〜156.6 | |
| 47 | GPT-5.2 | OpenAI | 154.4 | 152.8〜156.2 | |
| 48 | DeepSeek V4 Flash 0731 | DeepSeek | 154.3 | 152.6〜156.3 | 前回41位 |
| 49 | GLM-5.3-Flash | Z.ai (Zhipu AI) | 153.6 | 151.9〜155.5 | 前回48位 |
| 50 | Muse Spark | Meta AI | 153.1 | 150.9〜155.4 | 前回52位 |
提供元ごとの最上位のモデル
各社のいちばん高いモデルを比べられます。対象は、そのモデルがこの1年に公開された提供元です。
提供元ごとの最上位のモデル(ECI・14社)
点 = ECI・線 = 90%信用区間(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 | 90%信用区間 | 備考 |
|---|---|---|---|---|---|
| 1 | GPT-6 Astra | OpenAI | 169.1 | 166.2〜172.3 | YOBITSUGI AIで使えるモデル・全体1位 |
| 2 | Claude Opus 5.5 | Anthropic | 168.4 | 165.5〜171.5 | YOBITSUGI AIで使えるモデル・全体3位 |
| 3 | Gemini 4 Argon | Google DeepMind | 166.5 | 163.8〜169.4 | YOBITSUGI AIで使えるモデル・全体6位 |
| 4 | Muse Wonder | Meta AI | 162.0 | 159.6〜164.6 | この30日に公開されたモデル・全体13位 |
| 5 | DeepSeek V4.1 Flash 1017 | DeepSeek | 159.3 | 157.0〜161.8 | この30日に公開されたモデル・全体19位 |
| 6 | Kimi K3 | Moonshot | 158.5 | 156.5〜160.6 | 全体21位 |
| 7 | Grok 4.6 | xAI | 157.9 | 156.0〜160.1 | 全体24位 |
| 8 | Qwen 3.8 Max | Alibaba | 157.4 | 155.3〜159.7 | 全体27位 |
| 9 | GLM-5.3 | Z.ai (Zhipu AI) | 156.9 | 154.8〜159.2 | 全体29位 |
| 10 | Mistral Large 4 | Mistral AI | 154.7 | 151.9〜157.3 | YOBITSUGI AIで使えるモデル・この30日に公開されたモデル・全体45位 |
| 11 | Beam 1.0 | Reflection | 150.8 | 148.6〜153.1 | 全体63位 |
| 12 | Inkling-Small | Thinking Machines | 150.8 | 149.0〜152.6 | 全体64位 |
| 13 | MiniMax-M3 | MiniMax | 147.6 | 145.4〜149.8 | 全体77位 |
| 14 | Nemotron 3 Ultra | Nvidia | 147.1 | 144.9〜149.2 | 全体80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 = 90%信用区間(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 | 90%信用区間 | 備考 |
|---|---|---|---|---|---|
| 1 | DeepSeek V4.1 Flash 1017 | DeepSeek | 159.3 | 157.0〜161.8 | この30日に公開されたモデル・全体19位 |
| 2 | Kimi K3 | Moonshot | 158.5 | 156.5〜160.6 | 全体21位 |
| 3 | GLM-5.3 | Z.ai (Zhipu AI) | 156.9 | 154.8〜159.2 | 全体29位 |
| 4 | DeepSeek V4.1 Flash | DeepSeek | 156.5 | 154.6〜158.6 | 全体33位 |
| 5 | DeepSeek V4 Pro 0813 | DeepSeek | 155.9 | 154.0〜157.9 | 全体37位 |
| 6 | Muse Spark Open | Meta AI | 155.4 | 153.5〜157.6 | この30日に公開されたモデル・全体39位 |
| 7 | Mistral Large 4 | Mistral AI | 154.7 | 151.9〜157.3 | YOBITSUGI AIで使えるモデル・この30日に公開されたモデル・全体45位 |
| 8 | DeepSeek V4 Flash 0731 | DeepSeek | 154.3 | 152.6〜156.3 | 全体48位 |
| 9 | GLM-5.3-Flash | Z.ai (Zhipu AI) | 153.6 | 151.9〜155.5 | 全体49位 |
| 10 | GLM-5.2 | Z.ai (Zhipu AI) | 153.0 | 151.3〜154.8 | 全体51位 |
| 11 | Qwen 3.8 27B | Alibaba | 152.7 | 150.8〜154.8 | 全体54位 |
| 12 | Mistral Large 4 Preview | Mistral AI | 152.6 | 150.7〜154.6 | 全体55位 |
| 13 | Kimi K2.6 | Moonshot | 151.6 | 149.8〜153.4 | 全体59位 |
| 14 | Kimi K2.7 Code | Moonshot | 151.2 | 149.1〜153.3 | 全体61位 |
| 15 | Beam 1.0 | Reflection | 150.8 | 148.6〜153.1 | 全体63位 |
| 16 | Inkling-Small | Thinking Machines | 150.8 | 149.0〜152.6 | 全体64位 |
| 17 | GLM-5.1 | Z.ai (Zhipu AI) | 150.7 | 148.7〜152.7 | 全体65位 |
| 18 | DeepSeek-V4-Pro | DeepSeek | 150.1 | 148.4〜151.9 | 全体66位 |
| 19 | Kimi K2.5 | Moonshot | 148.7 | 147.2〜150.3 | 全体72位 |
| 20 | Inkling | Thinking Machines | 148.4 | 146.8〜150.0 | 全体73位 |
分野ごとの成績
下の3つの図は、Epoch AIが同じ条件で測ったベンチマークの正答率です。設定(推論の深さなど)を変えて測ったモデルは、いちばん高い結果の値で、提供元の後ろの語がその設定です。
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。図の値は、基本のセット(Tier 1〜3・295問)の正答率です。
FrontierMath(Tier 1〜3)の正答率の上位25モデル(2026年11月9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・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・標準誤差 ±1.7ポイント |
| 4 | GPT-6.1 Terra | OpenAI・設定max | 90.9% | この30日に公開されたモデル・標準誤差 ±1.7ポイント |
| 5 | 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 |
| 6 | GPT-6 Sol | OpenAI・設定max | 89.8% | 標準誤差 ±1.8ポイント |
| 7 | GPT-5.6 Sol | OpenAI・設定max | 89.1% | 標準誤差 ±1.8ポイント |
| 8 | Claude Sonnet 5.5 | Anthropic・設定max | 88.8% | YOBITSUGI AIで使えるモデル・標準誤差 ±1.9ポイント |
| 9 | GPT-5.5 Pro | OpenAI・設定xhigh | 87.7% | 標準誤差 ±1.9ポイント |
| 10 | Claude Fable 5 | Anthropic・設定max | 87.0% | 標準誤差 ±2.0ポイント |
| 11 | GPT-5.6 Terra | OpenAI・設定max | 86.0% | 標準誤差 ±2.1ポイント |
| 12 | Gemini 4 Argon | Google DeepMind・設定high | 86.0% | YOBITSUGI AIで使えるモデル・標準誤差 ±2.1ポイント |
| 13 | Claude Opus 5 | Anthropic・設定max | 85.6% | 標準誤差 ±2.1ポイント |
| 14 | GPT-5.5 | OpenAI・設定xhigh | 85.3% | 標準誤差 ±2.1ポイント |
| 15 | GPT-5.4 Pro | OpenAI・設定xhigh | 82.5% | 標準誤差 ±2.3ポイント |
| 16 | GPT-5.6 Luna | OpenAI・設定max | 82.1% | 標準誤差 ±2.3ポイント |
| 17 | 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 |
| 18 | Claude Opus 4.8 | Anthropic | 80.0% | 標準誤差 ±2.4ポイント |
| 19 | GPT-6 Luna | OpenAI・設定max | 78.9% | YOBITSUGI AIで使えるモデル・標準誤差 ±2.4ポイント |
| 20 | GPT-5.4 | OpenAI・設定xhigh | 78.6% | 標準誤差 ±2.4ポイント |
| 21 | Kimi K3.1 Pro | Moonshot・設定Together, max | 78.2% | この30日に公開されたモデル・標準誤差 ±2.4ポイント |
| 22 | Claude Haiku 5.5 | Anthropic・設定max | 75.1% | YOBITSUGI AIで使えるモデル・標準誤差 ±2.6ポイント |
| 23 | Qwen 3.8 Max | Alibaba・設定xhigh | 74.7% | 標準誤差 ±2.6ポイント |
| 24 | Muse Spark 1.3 | Meta AI・設定xhigh | 74.4% | 標準誤差 ±2.6ポイント |
| 25 | GPT-5.2 Pro | OpenAI | 74.0% | 標準誤差 ±2.6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。図の値は、短い質問に正しく答えられた割合です。
SimpleQA Verifiedの正答率の上位25モデル(2026年11月9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% | YOBITSUGI AIで使えるモデル・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・標準誤差 ±1.4ポイント |
| 4 | Gemini 3.1 Pro | Google DeepMind | 73.5% | 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・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 | Kimi K3.1 Pro | Moonshot・設定Together, max | 62.2% | この30日に公開されたモデル・標準誤差 ±1.5ポイント |
| 16 | GPT-6 Sol | OpenAI・設定max | 60.7% | 標準誤差 ±1.5ポイント |
| 17 | Muse Spark 1.2 | Meta AI・設定xhigh | 60.3% | 標準誤差 ±1.6ポイント |
| 18 | Claude Opus 5 | Anthropic・設定max | 59.9% | 標準誤差 ±1.6ポイント |
| 19 | Muse Spark 1.1 | Meta AI | 57.8% | 標準誤差 ±1.6ポイント |
| 20 | GPT-6.1 Terra | OpenAI・設定max | 57.3% | この30日に公開されたモデル・標準誤差 ±1.6ポイント |
| 21 | 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 |
| 22 | Grok 4.7 | xAI・設定xhigh | 56.0% | YOBITSUGI AIで使えるモデル・標準誤差 ±1.6ポイント |
| 23 | Qwen3.7-Max | Alibaba | 55.8% | 標準誤差 ±1.6ポイント |
| 24 | Claude Opus 4.8 | Anthropic | 53.0% | 標準誤差 ±1.6ポイント |
| 25 | DeepSeek V4 Pro 0813 | DeepSeek・設定max | 52.9% | 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11月9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% | YOBITSUGI AIで使えるモデル・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・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・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% | 標準誤差 ±1.6ポイント |
| 9 | GPT-6 Sol | OpenAI・設定max | 94.3% | 標準誤差 ±1.5ポイント |
| 10 | GPT-6.1 Terra | 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 |
| 11 | Kimi K3.1 Pro | Moonshot・設定Together, max | 94.2% | この30日に公開されたモデル・標準誤差 ±1.4ポイント |
| 12 | Gemini 3.6 Flash | Google DeepMind | 94.1% | 標準誤差 ±1.4ポイント |
| 13 | GPT-5.5 | OpenAI・設定xhigh | 94.0% | 標準誤差 ±1.5ポイント |
| 14 | Grok 4.6 | xAI・設定high | 94.0% | 標準誤差 ±1.4ポイント |
| 15 | Claude Opus 5 | Anthropic・設定max | 93.9% | 標準誤差 ±1.5ポイント |
| 16 | GPT-5.5 Pro | OpenAI・設定xhigh | 93.9% | 標準誤差 ±1.6ポイント |
| 17 | GPT-5.6 Sol | OpenAI・設定max | 93.5% | 標準誤差 ±1.6ポイント |
| 18 | Grok 4.5 | xAI・設定high | 93.4% | 標準誤差 ±1.4ポイント |
| 19 | GPT-5.4 | OpenAI・設定xhigh | 93.3% | 標準誤差 ±1.8ポイント |
| 20 | GPT-5.6 Terra | OpenAI・設定max | 93.3% | 標準誤差 ±1.5ポイント |
| 21 | DeepSeek V4.1 Flash 1017 | DeepSeek・設定max | 93.2% | この30日に公開されたモデル・標準誤差 ±1.6ポイント |
| 22 | Doubao Seed Evolving (Nov 2026) | ByteDance・設定Nov 2026, high | 93.1% | この30日に公開されたモデル・標準誤差 ±1.6ポイント |
| 23 | Kimi K3 | Moonshot・設定max | 93.1% | 標準誤差 ±1.5ポイント |
| 24 | Gemini 3.5 Flash | Google DeepMind | 92.8% | 標準誤差 ±1.6ポイント |
| 25 | Grok 4.7 | xAI・設定xhigh | 92.7% | YOBITSUGI AIで使えるモデル・標準誤差 ±1.6ポイント |
前回(11月2日)からの変化
11月2日の版と比べた変化です。新しく加わったモデルは1個です。
| モデル | 総合の順位 | ECI |
|---|---|---|
| Mistral Large 4 PreviewMistral AI・10月6日公開 | 55位 | 152.6 |
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 |
|---|---|---|
| Mistral Large 4ECI 150.6 → 154.7 | 58位 | 45位 |
| Grok 4.7ECI 154.6 → 156.1 | 43位 | 36位 |
| DeepSeek V4 Flash 0731ECI 154.9 → 154.3 | 41位 | 48位 |
| Qwen 3.8 MaxECI 158.0 → 157.4 | 22位 | 27位 |
| Claude Sonnet 5ECI 157.0 → 156.7 | 26位 | 31位 |
| Qwen3.8 Max (0902)ECI 156.2 → 155.9 | 33位 | 38位 |
| Muse Spark 1.2ECI 155.2 → 155.1 | 38位 | 43位 |
| GPT-6 LunaECI 156.8 → 156.7 | 28位 | 32位 |
| Gemini 3.8 FlashECI 157.6 → 158.6 | 23位 | 20位 |
| Grok 4.6ECI 156.9 → 157.9 | 27位 | 24位 |
| Claude Opus 4.7ECI 156.7 → 157.6 | 29位 | 26位 |
| GPT-5.2 ProECI 156.5 → 157.2 | 31位 | 28位 |
| GLM-5.3ECI 156.2 → 156.9 | 32位 | 29位 |
| GPT-6.1 SolECI 167.8 → 168.9 | 4位 | 2位 |
| Claude Sonnet 5.5ECI 166.7 → 166.2 | 5位 | 7位 |
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11月時点)。料金はYOBITSUGI AIの料金ページをご覧ください。
| モデル | 総合の順位 | ECI |
|---|---|---|
| GPT-6 AstraOpenAI | 1位 | 169.1 |
| GPT-6.1 SolOpenAI | 2位 | 168.9 |
| Claude Opus 5.5Anthropic | 3位 | 168.4 |
| Claude Fable 5.1Anthropic | 5位 | 166.9 |
| Gemini 4 ArgonGoogle DeepMind | 6位 | 166.5 |
| Claude Sonnet 5.5Anthropic | 7位 | 166.2 |
| Claude Haiku 5.5Anthropic | 15位 | 160.2 |
| Gemini 3.8 FlashGoogle DeepMind | 20位 | 158.6 |
| GPT-6 LunaOpenAI | 32位 | 156.7 |
| Grok 4.7xAI | 36位 | 156.1 |
| Mistral Large 4Mistral AI | 45位 | 154.7 |
順位を読むときの注意
- 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。
- 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11月9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年11月9日取得)
- SpireClimbの結果は、Epoch AIのデータ(benchmark_data.zip)で確かめました(2026年11月10日に確認)
- Epoch Capabilities Index(ECI)(Epoch AI・2026年11月9日に確認)
- FrontierMath(Epoch AI・2026年11月9日に確認)
- SimpleQA Verified(Epoch AI・2026年11月9日に確認)
- GPQA Diamond(Epoch AI・2026年11月9日に確認)
図・表・総評は、Epoch AIのデータ(CC BY 4.0)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。
2026年11月10日 更新:書き出しに、GPT-6.1 Solが上がった時期にEpoch AIが足したSpireClimbの結果と、前の回・一覧・診断への案内を加え、総評の箇条書きを1項目1つの事実に整理しました。