Mystery Game Puzzles

Name: Mystery Game Puzzles
Creator: Epoch AI

Epoch AI / 推論 · 未知のルールから正しい行動を導く

AIサイシンでの扱いランキング採用

配分1.2%

元データの日時10/20 07:39

最終同期10/24 02:22

何を、どう測るか

Epoch 標準プロトコルの mean_score のみを採用する。問題が非公開という制約は明記して残す。

正式に採点する。同じ問題ファミリーは固定予算を共有する。

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	84.0%	Max 推論
2	gpt-6.1-sol_maxOpenAI	80.0%	Max 推論
3	claude-opus-5-5_maxAnthropic	71.0%	Max 推論
4	claude-sonnet-5-5_maxAnthropic	65.0%	Max 推論
5	gemini-4-argon_highGoogle	64.0%	High 推論
6	claude-opus-5_maxAnthropic	59.0%	Max 推論
7	claude-fable-5-1_maxAnthropic	58.0%	Max 推論
7	gpt-5.6-sol_maxOpenAI	58.0%	Max 推論
9	gpt-6-sol_maxOpenAI	56.0%	Max 推論
9	gpt-5.5_xhighOpenAI	56.0%	xHigh 推論
11	claude-fable-5_maxAnthropic	52.0%	Max 推論
13	muse-wonder-1.0_max—	51.0%	Max 推論
14	deepseek-v4.1-flash-1017_maxDeepSeek	49.0%	Max 推論
15	gemini-3.8-flash_highGoogle	47.0%	High 推論
16	deepseek-v4-pro-0813_maxDeepSeek	43.0%	Max 推論
16	deepseek-v4.1-flash_maxDeepSeek	43.0%	Max 推論
18	qwen3.8-max_xhighAlibaba	38.0%	xHigh 推論
19	gemini-3.7-flash_highGoogle	37.0%	High 推論
19	gpt-5.4-2026-03-05_xhighOpenAI	37.0%	xHigh 推論
22	claude-opus-4-8_maxAnthropic	36.0%	Max 推論
23	gpt-5.6-terra_maxOpenAI	35.0%	Max 推論
23	claude-sonnet-5_maxAnthropic	35.0%	Max 推論
25	grok-4.6_xhighxAI	34.0%	xHigh 推論
25	gemini-3.1-pro-preview_highGoogle	34.0%	High 推論
25	deepseek-v4-flash-0731_maxDeepSeek	34.0%	Max 推論
28	glm-5.3_maxZ.ai	33.0%	Max 推論
30	qwen3.7-maxAlibaba	32.0%	ソース既定の構成
30	gemini-3.5-flash_highGoogle	32.0%	High 推論
34	claude-haiku-5-5_maxAnthropic	30.0%	Max 推論
34	gemini-3.6-flash_highGoogle	30.0%	High 推論

評価の限界とデータの出典

正式に採点する。同じ問題ファミリーは固定予算を共有する。

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。