TapTap Maker Benchmark

Name: TapTap Maker Benchmark
Creator: TapTap Maker

TapTap Maker / コーディング · 実際のゲームエンジン上で、動作する機能を Lua で書く。スコアはエンジンでの実行結果で判定し、別のモデルに採点させない。

AIサイシンでの扱いランキング採用

配分3.6%

元データの日時10/18 09:00

最終同期10/24 02:22

何を、どう測るか

公式 main_board の L2 合格率のみを採用する。コスト、速度、Held-out、カテゴリ別スコアで重ねて投票しない。同じ基盤モデルは固定した推論設定の優先順位で代表行を選び、選定にスコアは使わない。

コーディングとデザインの予算のうち 3.6%。エンジンと L2 指標を固定する。

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-astraOpenAI	85.8%	xHigh 推論
2	claude-fable-5-1Anthropic	85.5%	High 推論
3	claude-opus-5-5Anthropic	85.5%	xHigh 推論
4	gpt-6.1-solOpenAI	85.3%	xHigh 推論
5	claude-sonnet-5-5Anthropic	83.6%	xHigh 推論
6	gemini-4-argonGoogle	83.2%	High 推論
8	deepseek-v4.1-flash-1017DeepSeek	80.3%	Max 推論
9	gemini-3.8-flashGoogle	79.8%	High 推論
10	gpt-5.6-solOpenAI	79.8%	xHigh 推論
11	grok-4.7-xhighxai	77.8%	xHigh 推論
12	gpt-6-solOpenAI	76.8%	xHigh 推論
13	gpt-6-lunaOpenAI	76.6%	xHigh 推論
14	grok-4.7-highxai	76.5%	High 推論
15	qwen3.8-max-0902Alibaba	76.2%	xHigh 推論
16	glm-5.3Z.ai	76.2%	Max 推論
17	qwen3.8-maxAlibaba	76.1%	xHigh 推論
18	deepseek-v4.1-flashDeepSeek	76.1%	Max 推論
19	qwen3.8-flashAlibaba	76.0%	xHigh 推論
20	claude-haiku-5-5Anthropic	75.8%	xHigh 推論
21	mimo-v2.6-proXiaomi	75.4%	ソース既定の構成
22	glm-5.3-flashZ.ai	75.0%	Max 推論
23	gpt-5.6-terraOpenAI	74.2%	xHigh 推論
24	hy4-previewTencent	72.5%	High 推論
25	kimi-k3Moonshot AI	72.3%	ソース既定の構成
26	gpt-5.6-lunaOpenAI	72.2%	xHigh 推論
27	doubao-seed-evolvingByteDance	71.6%	High 推論
28	grok-4.5xAI	71.5%	High 推論
29	deepseek-v4-proDeepSeek	70.5%	Max 推論
31	deepseek-v4-flashDeepSeek	69.1%	Max 推論
32	gemini-3.1-pro-previewGoogle	59.5%	ソース既定の構成

評価の限界とデータの出典

単一エンジン、単一言語のため、他の技術スタックには一般化できない。モデルごとに異なる agent ドライバーを使っている可能性がある。クローズドソースの harness は問題ごとに再計算できない。

データライセンス：公式の公開結果。公開の再表示では公式の出典表示を残し、完全な再配布許諾は引き続き易玩／TapTap の条件に従う

成績は TapTap Maker 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。