MathVision(ツールあり)
図を含む数学問題をコード実行などのツールありで解いたもの。
- 分類
- 数学
- 単位
- パーセント(%)
- 高いほど良い
- 比較グループ
- 2グループ
- すべてのモデルの順位(記録)・順位を付けた結果 2 件
すべてのモデルの順位(記録)
旧モデルと Claude Code / Codex で選べないモデルを含めて、比較グループごとに順位を付け直したものです。順位を付ける顔ぶれが違うので、上の順位とは違います。
旧モデル・選べないモデルを含む順位を開く(2 件)
公式の結果(Kimi K3 (Hugging Face model card, moonshotai))
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Kimi K3 | Max | 97.8% | — | Moonshot AI | Kimi K3 (Hugging Face model card, moonshotai)2026-11-13 取得・ベンダー発表値(Moonshot AI 自己申告)。表注: All Kimi K3 results are obtained with reasoning effort set to 'max' and temperature = 1.0出典の該当箇所MathVision | 94.3 / 97.8所在 HF モデルカード「3. Evaluation Results」の表、MathVision(ツールなし / ありの右) 行・Kimi K3 (max) 列(左端の数値列)。根拠の脚注: 表注(ビジョン系のツールは Python) |
公式の結果(Qwen3.8-27B (Hugging Face model card, Qwen))
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Qwen3.8-27B | 記載なし | 94.6% | — | Alibaba (Qwen) | Qwen3.8-27B (Hugging Face model card, Qwen)2026-11-13 取得・ベンダー発表値(Alibaba の Qwen チーム自己申告)。effort の記載なし(reasoning_effort の既定は xhigh)。CI(コード実行)あり出典の該当箇所Visual math problem solvingMathVision | Without CI90.0With CI94.6所在 HF モデルカードのベンチマーク表、MathVision(With CI) 行・Qwen3.8-27B 列(左端)。根拠: 表下の注 MathVision(固定プロンプトで評価) |