AI Model Index
いま話題の AI モデルと、主要ベンチマークでの Claude と他社モデルのスコアを比較できます。
OpenAIの次世代モデル群で、GPT-6 Astraは推論能力やソフトウェアエンジニアリング能力を向上させたフラッグシップ、GPT-6 SolとLunaはそれぞれコスト効率と速度を重視した実用的なモデルです。
Googleが発表した新しいフロンティアモデルで、現時点ではアクセスが制限されています。
中国のAI企業MiniMaxが発表した新モデルで、AIエージェントの性能を強化し、推論速度を約3倍に高め、利用コストを70%削減しました。
Metaが提供する個人向けAIエージェント「Muse」のオープンソース版で、買い物や旅行予約、メール、決済など、幅広いタスクをAIに任せることを目指しています。
DeepSeekが提供する効率的なAIモデルの最新アップデート版で、高速な推論とコスト効率に優れています。
いま注目されているベンチマークを AI が選定。出典を確認できたスコアのみ掲載しています。
| ベンチマーク | Claude Fable 5.1 | Claude Opus 5.5 | Claude Sonnet 5.5 | DeepSeek-V4.1-Flash-1017 | Muse Spark Open | Gemini 4 Argon |
|---|---|---|---|---|---|---|
| MMLU%多様な57科目にわたるモデルの知識と推論能力を測定するベンチマークで、最先端モデルではMMLU-Proバリアントが評価によく用いられます。 | 92.4% | ―出典付きのデータなし | ―出典付きのデータなし | 74.1% | ―出典付きのデータなし | ―出典付きのデータなし |
| HumanEval%自然言語プロンプトから正しいPythonコードを生成するモデルの能力を評価するベンチマークで、164の手書きプログラミング問題で構成されます。 | ―出典付きのデータなし | ―出典付きのデータなし | ―出典付きのデータなし | 79.4% | ―出典付きのデータなし | ―出典付きのデータなし |
| GPQA%AIシステムが生物学、化学、物理学における深い知識と推論を必要とする、難しい科学的問題にどれだけうまく回答できるかを測定するベンチマークで、GPQA Diamondサブセットがよく評価に用いられます。 | 93.7% | ―出典付きのデータなし | ―出典付きのデータなし | ―出典付きのデータなし | 89% | ―出典付きのデータなし |
| LMSYS Chatbot Arena EloEloクラウドソーシングされたバトルシステムにおけるモデルの全体的なパフォーマンスとユーザーの好みを、Eloレーティングに基づいて測定します。 | 1,520 Elo | 1,526 Elo | 1,521 Elo | ―出典付きのデータなし | 1,496 Elo | 1,525 Elo |
← 表は横にスクロールできます →
本ページの情報は、Google 検索をもとに AI が毎日自動で収集・要約したもので、誤りを含む可能性があります。ベンチマークのスコアは出典を確認できたもののみ掲載しています。正確な情報は各社の公式発表をご確認ください。
Claude の各モデルの違いや選び方はこちら。
Claude モデル比較を見る