評価ソース公式サイト
MirrorCode
Epoch AI / コーディング · 長時間のソフトウェア再現
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 19:00
最終同期10/24 02:22
何を、どう測るか
公開データは少数のモデルに限られ、実行時間も非常に長い。サンプルと実行条件が不十分で、カテゴリのコンセンサスを形成できない。
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 | claude-opus-5-5_maxAnthropic | 77.4% | Max 推論 |
| 2 | claude-fable-5-1_highAnthropic | 73.3% | High 推論 |
| 3 | claude-fable-5_highAnthropic | 63.9% | High 推論 |
| 4 | gemini-4-argon_highGoogle | 58.9% | High 推論 |
| 5 | gpt-6-astra_highOpenAI | 46.7% | High 推論 |
| 6 | claude-opus-4-7_highAnthropic | 31.1% | High 推論 |
| 7 | gpt-5.6-sol_highOpenAI | 20.0% | High 推論 |
| 8 | gpt-5.4-2026-03-05_highOpenAI | 15.6% | High 推論 |
| 9 | gpt-5.5_highOpenAI | 10.0% | High 推論 |
| 10 | gemini-3.1-pro-preview_highGoogle | 8.9% | High 推論 |
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。