評価ソース

EBR-bench

Epoch AI / 専門業務 · 長いタスクで新しいルールを学び、記憶を活用する

公式サイト

AIサイシンでの扱い参考のみ

配分採点対象外

元データの日時10/14 02:16

最終同期10/24 02:22

何を、どう測るか

公開集計には記憶圧縮の構成が混在している。固定構成で比較可能な成績が得られるまでは参考のみとする。

当サイトでの使い方

参考のみで、総合やカテゴリのスコアには入れない。

評価成績

一定のルールに従い、公開モデルごとに代表的な構成を一つ採用する。匿名のテスト版モデルは表示せず、元の順位をそのまま残す。各項目最大 30 件。

元の順位	モデル名	元スコア	代表構成
1	gpt-6-astra_maxOpenAI	76.2%	Max 推論
2	claude-opus-5-5_maxAnthropic	71.4%	Max 推論
3	gemini-4-argon_highGoogle	64.8%	High 推論
4	claude-fable-5-1_maxAnthropic	57.1%	Max 推論
5	gpt-6.1-sol_maxOpenAI	54.3%	Max 推論
6	gpt-6-sol_maxOpenAI	53.3%	Max 推論
7	claude-opus-5_maxAnthropic	45.7%	Max 推論
8	gpt-5.6-sol_maxOpenAI	44.8%	Max 推論
9	claude-haiku-5-5_maxAnthropic	43.8%	Max 推論
10	claude-fable-5_maxAnthropic	39.5%	Max 推論
11	gpt-5.5_xhighOpenAI	34.3%	xHigh 推論
12	muse-wonder-1.0_max—	31.4%	Max 推論
13	grok-4.6_xhighxAI	30.5%	xHigh 推論
14	claude-opus-4-8_maxAnthropic	28.6%	Max 推論
15	gpt-5.4-2026-03-05_xhighOpenAI	25.4%	xHigh 推論
16	gpt-5.2-2025-12-11_xhighOpenAI	23.0%	xHigh 推論
17	claude-opus-4-7_maxAnthropic	19.0%	Max 推論
18	gemini-3.1-pro-previewGoogle	14.3%	ソース既定の構成
18	claude-opus-4-5-20251101_128KAnthropic	14.3%	ソース既定の構成 · 128k
20	claude-opus-4-6_maxAnthropic	12.7%	Max 推論
20	gpt-5-2025-08-07_highOpenAI	12.7%	High 推論
22	glm-5.2_maxZ.ai	9.5%	Max 推論
22	qwen3.7-maxAlibaba	9.5%	ソース既定の構成
24	claude-opus-4-1-20250805Anthropic	7.9%	ソース既定の構成
25	gemini-3.5-flash_highGoogle	4.8%	High 推論
26	kimi-k2.6Moonshot AI	2.4%	ソース既定の構成
26	claude-sonnet-4-5-20250929Anthropic	2.4%	ソース既定の構成

評価の限界とデータの出典

参考のみで、総合やカテゴリのスコアには入れない。

データライセンス：CC BY 4.0 · Epoch AI が独自に実施した評価データ

成績は Epoch AI が公表したもの。元のスコアと AIサイシンのコンセンサス指数は尺度が異なり、そのまま比較・合算はできない。