ランキング

出典区分や測定条件(比較グループ)の違う値は混ぜずに順位を付けます。総合は同じ比較グループの集合に値のあるモデル同士だけで集計し、コストはベンチマークをまたいで合算しません。方法の詳細はこのサイトについてにあります。

今 Claude Code / Codex で選べるモデル(旧モデルを除く 8 モデル)だけで、順位・百分位・前線を付けています。旧モデルや選べないモデルを含めた順位はすべてのモデルのランキング(記録)にあります(順位を付ける顔ぶれが違うので、順位も違います)。

総合(性能優先)

比較グループの集合が同じ(その集合のすべてに値がある)model × effort 同士だけで集計します。各グループの中で集計対象だけに順位を付けて百分位(1 位 = 100、最下位 = 0)にし、同じベンチマークのグループどうしで平均してから、ベンチマーク間の平均で並べます(同じベンチマークの比較グループが複数あっても重く数えません)。集計ごとに対象のグループが違うので、別の集計の数値どうしは比べられません。

集計はモデル数 → ベンチマーク数 → 件数の多い順に並べ、今 Claude Code / Codex で選べるモデルを最も多く含む集計を先頭で開きます。残りは「ほかの集計」に出典区分ごとに分けて畳んでいます。

集計の条件: モデル 3 つ以上(effort 違いは 1 モデル)とベンチマーク 3 つ以上(同じベンチマークの複数の比較グループは 1 と数えます)。カバレッジ n/N はベンチマーク単位で、N は同じ出典区分で値のあるベンチマークの数です。各グループの「計測・報告」は、その集計に入った値の計測・報告と件数です(公式発表でも、他社のモデルの値を発表元が計測していることがあります)。

第三者・8 モデル・8 件 × 4 グループ(カバレッジ 4/10 ベンチマーク)GPQA Diamond、FrontierMath Tiers 1-3(v2)、FrontierMath Tier 4(v2)、SimpleQA Verified

GPQA Diamond第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.0計測・報告: Epoch AI(8)
FrontierMath Tiers 1-3(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.0計測・報告: Epoch AI(8)
FrontierMath Tier 4(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.0計測・報告: Epoch AI(8)
SimpleQA Verified第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.0計測・報告: Epoch AI(8)

順位	モデル	effort	平均百分位	値のあるベンチマーク	1. GPQA Diamond	2. FrontierMath Tiers 1-3(v2)	3. FrontierMath Tier 4(v2)	4. SimpleQA Verified
1	Claude Fable 5.2	Max	84	6/10	93.9%	95.1%	100.0%	94.0%
1	GPT-6 Astra	Max	84	9/10	95.8%	93.7%	97.6%	75.6%
3	GPT-6.1 Sol	Max	79	9/10	95.4%	93.7%	100.0%	73.9%
4	Claude Opus 5.5	Max	50	7/10	90.6%	91.2%	95.0%	72.2%
5	GPT-6.1 Terra	Max	46	6/10	94.3%	90.9%	92.7%	57.3%
6	Claude Sonnet 5.5	Max	43	7/10	95.6%	88.8%	80.5%	46.5%
7	GPT-6 Luna	Max	14	9/10	90.5%	79.0%	56.1%	41.4%
8	Claude Haiku 5.5	Max	0	6/10	89.7%	75.1%	46.3%	23.8%

ほかの集計(11 件)

公式

公式・3 モデル・3 件 × 7 グループ(カバレッジ 7/27 ベンチマーク)FrontierSWE 2、AutomationBench、Terminal-Bench-Science 0.1、OSWorld 2.1(offline set・partial)、RoboDojo Sim、AA-Briefcase v1.1(rubric)、AA-Briefcase v1.1(Elo)

FrontierSWE 2公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2計測・報告: Anthropic(2)・記載なし(1)
AutomationBench公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2計測・報告: Anthropic(2)・記載なし(1)
Terminal-Bench-Science 0.1公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2計測・報告: Anthropic(2)・記載なし(1)
OSWorld 2.1(offline set・partial)公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2計測・報告: Anthropic(2)・記載なし(1)
RoboDojo Sim公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2計測・報告: Anthropic(3)
AA-Briefcase v1.1(rubric)公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2計測・報告: Anthropic(2)・記載なし(1)
AA-Briefcase v1.1(Elo)公式・Introducing Claude Fable 5.2 and Claude Mythos 5.2計測・報告: Anthropic(2)・記載なし(1)

順位	モデル	effort	平均百分位	値のあるベンチマーク	1. FrontierSWE 2	2. AutomationBench	3. Terminal-Bench-Science 0.1	4. OSWorld 2.1(offline set・partial)	5. RoboDojo Sim	6. AA-Briefcase v1.1(rubric)	7. AA-Briefcase v1.1(Elo)
1	Claude Fable 5.2	記載なし	93	7/27	69.9%	51.4%	74.6%	89.3%	64.9%	66.1%	1,785
2	Claude Opus 5.5	記載なし	43	14/27	62.3%	42.5%	58.7%	87.2%	39.4%	61.2%	1,800
3	GPT-6 Astra	記載なし	14	12/27	65.5%	41.4%	68.1%	79.5%	29.8%	52.0%	1,569

第三者

第三者・7 モデル・7 件 × 5 グループ(カバレッジ 5/10 ベンチマーク)GPQA Diamond、FrontierMath Tiers 1-3(v2)、FrontierMath Tier 4(v2)、OTIS Mock AIME 2024-2025、SimpleQA Verified

GPQA Diamond第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.0計測・報告: Epoch AI(7)
FrontierMath Tiers 1-3(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.0計測・報告: Epoch AI(7)
FrontierMath Tier 4(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.0計測・報告: Epoch AI(7)
OTIS Mock AIME 2024-2025第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.0計測・報告: Epoch AI(7)
SimpleQA Verified第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.0計測・報告: Epoch AI(7)

順位	モデル	effort	平均百分位	値のあるベンチマーク	1. GPQA Diamond	2. FrontierMath Tiers 1-3(v2)	3. FrontierMath Tier 4(v2)	4. OTIS Mock AIME 2024-2025	5. SimpleQA Verified
1	GPT-6 Astra	Max	78	9/10	95.8%	93.7%	97.6%	100.0%	75.6%
2	GPT-6.1 Sol	Max	73	9/10	95.4%	93.7%	100.0%	100.0%	73.9%
3	Claude Fable 5.2	Max	68	6/10	93.9%	95.1%	100.0%	99.7%	94.0%
4	Claude Opus 5.5	Max	47	7/10	90.6%	91.2%	95.0%	100.0%	72.2%
5	GPT-6.1 Terra	Max	43	6/10	94.3%	90.9%	92.7%	100.0%	57.3%
6	Claude Sonnet 5.5	Max	40	7/10	95.6%	88.8%	80.5%	100.0%	46.5%
7	GPT-6 Luna	Max	0	9/10	90.5%	79.0%	56.1%	98.9%	41.4%

第三者・7 モデル・7 件 × 5 グループ(カバレッジ 5/10 ベンチマーク)GPQA Diamond、FrontierMath Tiers 1-3(v2)、FrontierMath Tier 4(v2)、SimpleQA Verified、Chess Puzzles(Epoch AI)

GPQA Diamond第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.0計測・報告: Epoch AI(7)
FrontierMath Tiers 1-3(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.0計測・報告: Epoch AI(7)
FrontierMath Tier 4(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.0計測・報告: Epoch AI(7)
SimpleQA Verified第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.0計測・報告: Epoch AI(7)
Chess Puzzles(Epoch AI)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.0計測・報告: Epoch AI(7)

順位	モデル	effort	平均百分位	値のあるベンチマーク	1. GPQA Diamond	2. FrontierMath Tiers 1-3(v2)	3. FrontierMath Tier 4(v2)	4. SimpleQA Verified	5. Chess Puzzles(Epoch AI)
1	Claude Fable 5.2	Max	88	6/10	93.9%	95.1%	100.0%	94.0%	79.0%
2	GPT-6 Astra	Max	82	9/10	95.8%	93.7%	97.6%	75.6%	74.0%
3	GPT-6.1 Sol	Max	73	9/10	95.4%	93.7%	100.0%	73.9%	68.0%
4	Claude Opus 5.5	Max	47	7/10	90.6%	91.2%	95.0%	72.2%	67.0%
5	Claude Sonnet 5.5	Max	43	7/10	95.6%	88.8%	80.5%	46.5%	59.0%
6	GPT-6 Luna	Max	13	9/10	90.5%	79.0%	56.1%	41.4%	36.0%
7	Claude Haiku 5.5	Max	3	6/10	89.7%	75.1%	46.3%	23.8%	55.0%

第三者・7 モデル・7 件 × 5 グループ(カバレッジ 5/10 ベンチマーク)GPQA Diamond、FrontierMath Tiers 1-3(v2)、FrontierMath Tier 4(v2)、SimpleQA Verified、MirrorCode

GPQA Diamond第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.0計測・報告: Epoch AI(7)
FrontierMath Tiers 1-3(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.0計測・報告: Epoch AI(7)
FrontierMath Tier 4(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.0計測・報告: Epoch AI(7)
SimpleQA Verified第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.0計測・報告: Epoch AI(7)
MirrorCode第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.0計測・報告: Epoch AI(7)

順位	モデル	effort	平均百分位	値のあるベンチマーク	1. GPQA Diamond	2. FrontierMath Tiers 1-3(v2)	3. FrontierMath Tier 4(v2)	4. SimpleQA Verified	5. MirrorCode
1	GPT-6 Astra	Max	78	9/10	95.8%	93.7%	97.6%	75.6%	60.0%
2	GPT-6.1 Sol	Max	75	9/10	95.4%	93.7%	100.0%	73.9%	61.1%
3	Claude Opus 5.5	Max	63	7/10	90.6%	91.2%	95.0%	72.2%	95.6%
4	Claude Sonnet 5.5	Max	57	7/10	95.6%	88.8%	80.5%	46.5%	97.8%
5	GPT-6.1 Terra	Max	50	6/10	94.3%	90.9%	92.7%	57.3%	76.7%
6	Claude Haiku 5.5	Max	13	6/10	89.7%	75.1%	46.3%	23.8%	78.9%
6	GPT-6 Luna	Max	13	9/10	90.5%	79.0%	56.1%	41.4%	26.7%

第三者・6 モデル・6 件 × 6 グループ(カバレッジ 6/10 ベンチマーク)GPQA Diamond、FrontierMath Tiers 1-3(v2)、FrontierMath Tier 4(v2)、OTIS Mock AIME 2024-2025、SimpleQA Verified、Chess Puzzles(Epoch AI)

GPQA Diamond第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.0計測・報告: Epoch AI(6)
FrontierMath Tiers 1-3(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.0計測・報告: Epoch AI(6)
FrontierMath Tier 4(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.0計測・報告: Epoch AI(6)
OTIS Mock AIME 2024-2025第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.0計測・報告: Epoch AI(6)
SimpleQA Verified第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.0計測・報告: Epoch AI(6)
Chess Puzzles(Epoch AI)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.0計測・報告: Epoch AI(6)

順位	モデル	effort	平均百分位	値のあるベンチマーク	1. GPQA Diamond	2. FrontierMath Tiers 1-3(v2)	3. FrontierMath Tier 4(v2)	4. OTIS Mock AIME 2024-2025	5. SimpleQA Verified	6. Chess Puzzles(Epoch AI)
1	GPT-6 Astra	Max	77	9/10	95.8%	93.7%	97.6%	100.0%	75.6%	74.0%
2	Claude Fable 5.2	Max	75	6/10	93.9%	95.1%	100.0%	99.7%	94.0%	79.0%
3	GPT-6.1 Sol	Max	68	9/10	95.4%	93.7%	100.0%	100.0%	73.9%	68.0%
4	Claude Opus 5.5	Max	42	7/10	90.6%	91.2%	95.0%	100.0%	72.2%	67.0%
5	Claude Sonnet 5.5	Max	38	7/10	95.6%	88.8%	80.5%	100.0%	46.5%	59.0%
6	GPT-6 Luna	Max	0	9/10	90.5%	79.0%	56.1%	98.9%	41.4%	36.0%

第三者・6 モデル・6 件 × 6 グループ(カバレッジ 6/10 ベンチマーク)GPQA Diamond、FrontierMath Tiers 1-3(v2)、FrontierMath Tier 4(v2)、OTIS Mock AIME 2024-2025、SimpleQA Verified、MirrorCode

GPQA Diamond第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.0計測・報告: Epoch AI(6)
FrontierMath Tiers 1-3(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.0計測・報告: Epoch AI(6)
FrontierMath Tier 4(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.0計測・報告: Epoch AI(6)
OTIS Mock AIME 2024-2025第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.0計測・報告: Epoch AI(6)
SimpleQA Verified第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.0計測・報告: Epoch AI(6)
MirrorCode第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.0計測・報告: Epoch AI(6)

順位	モデル	effort	平均百分位	値のあるベンチマーク	1. GPQA Diamond	2. FrontierMath Tiers 1-3(v2)	3. FrontierMath Tier 4(v2)	4. OTIS Mock AIME 2024-2025	5. SimpleQA Verified	6. MirrorCode
1	GPT-6 Astra	Max	75	9/10	95.8%	93.7%	97.6%	100.0%	75.6%	60.0%
2	GPT-6.1 Sol	Max	72	9/10	95.4%	93.7%	100.0%	100.0%	73.9%	61.1%
3	Claude Opus 5.5	Max	57	7/10	90.6%	91.2%	95.0%	100.0%	72.2%	95.6%
4	Claude Sonnet 5.5	Max	50	7/10	95.6%	88.8%	80.5%	100.0%	46.5%	97.8%
5	GPT-6.1 Terra	Max	47	6/10	94.3%	90.9%	92.7%	100.0%	57.3%	76.7%
6	GPT-6 Luna	Max	0	9/10	90.5%	79.0%	56.1%	98.9%	41.4%	26.7%

第三者・6 モデル・6 件 × 6 グループ(カバレッジ 6/10 ベンチマーク)GPQA Diamond、FrontierMath Tiers 1-3(v2)、FrontierMath Tier 4(v2)、SimpleQA Verified、Chess Puzzles(Epoch AI)、MirrorCode

GPQA Diamond第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.0計測・報告: Epoch AI(6)
FrontierMath Tiers 1-3(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.0計測・報告: Epoch AI(6)
FrontierMath Tier 4(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.0計測・報告: Epoch AI(6)
SimpleQA Verified第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.0計測・報告: Epoch AI(6)
Chess Puzzles(Epoch AI)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.0計測・報告: Epoch AI(6)
MirrorCode第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.0計測・報告: Epoch AI(6)

順位	モデル	effort	平均百分位	値のあるベンチマーク	1. GPQA Diamond	2. FrontierMath Tiers 1-3(v2)	3. FrontierMath Tier 4(v2)	4. SimpleQA Verified	5. Chess Puzzles(Epoch AI)	6. MirrorCode
1	GPT-6 Astra	Max	82	9/10	95.8%	93.7%	97.6%	75.6%	74.0%	60.0%
2	GPT-6.1 Sol	Max	75	9/10	95.4%	93.7%	100.0%	73.9%	68.0%	61.1%
3	Claude Opus 5.5	Max	60	7/10	90.6%	91.2%	95.0%	72.2%	67.0%	95.6%
4	Claude Sonnet 5.5	Max	57	7/10	95.6%	88.8%	80.5%	46.5%	59.0%	97.8%
5	Claude Haiku 5.5	Max	13	6/10	89.7%	75.1%	46.3%	23.8%	55.0%	78.9%
5	GPT-6 Luna	Max	13	9/10	90.5%	79.0%	56.1%	41.4%	36.0%	26.7%

第三者・5 モデル・5 件 × 7 グループ(カバレッジ 7/10 ベンチマーク)GPQA Diamond、FrontierMath Tiers 1-3(v2)、FrontierMath Tier 4(v2)、OTIS Mock AIME 2024-2025、SimpleQA Verified、Chess Puzzles(Epoch AI)、MirrorCode

GPQA Diamond第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.0計測・報告: Epoch AI(5)
FrontierMath Tiers 1-3(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.0計測・報告: Epoch AI(5)
FrontierMath Tier 4(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.0計測・報告: Epoch AI(5)
OTIS Mock AIME 2024-2025第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.0計測・報告: Epoch AI(5)
SimpleQA Verified第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.0計測・報告: Epoch AI(5)
Chess Puzzles(Epoch AI)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.0計測・報告: Epoch AI(5)
MirrorCode第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.0計測・報告: Epoch AI(5)

順位	モデル	effort	平均百分位	値のあるベンチマーク	1. GPQA Diamond	2. FrontierMath Tiers 1-3(v2)	3. FrontierMath Tier 4(v2)	4. OTIS Mock AIME 2024-2025	5. SimpleQA Verified	6. Chess Puzzles(Epoch AI)	7. MirrorCode
1	GPT-6 Astra	Max	79	9/10	95.8%	93.7%	97.6%	100.0%	75.6%	74.0%	60.0%
2	GPT-6.1 Sol	Max	71	9/10	95.4%	93.7%	100.0%	100.0%	73.9%	68.0%	61.1%
3	Claude Opus 5.5	Max	52	7/10	90.6%	91.2%	95.0%	100.0%	72.2%	67.0%	95.6%
4	Claude Sonnet 5.5	Max	48	7/10	95.6%	88.8%	80.5%	100.0%	46.5%	59.0%	97.8%
5	GPT-6 Luna	Max	0	9/10	90.5%	79.0%	56.1%	98.9%	41.4%	36.0%	26.7%

第三者・4 モデル・4 件 × 3 グループ(カバレッジ 3/10 ベンチマーク)OTIS Mock AIME 2024-2025、LMArena Text(style control・overall)、LMArena Text Coding(style control なし)

OTIS Mock AIME 2024-2025第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.0計測・報告: Epoch AI(4)
LMArena Text(style control・overall)第三者・lmarena-ai/leaderboard-dataset text_style_control/latest-00000-of-00001.parquet (CC BY 4.0)計測・報告: LMArena(4)
LMArena Text Coding(style control なし)第三者・lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)計測・報告: LMArena(4)

順位	モデル	effort	平均百分位	値のあるベンチマーク	1. OTIS Mock AIME 2024-2025	2. LMArena Text(style control・overall)	3. LMArena Text Coding(style control なし)
1	GPT-6.1 Sol	Max	83	9/10	100.0%	1,482	1,486
1	GPT-6 Astra	Max	83	9/10	100.0%	1,474	1,494
3	GPT-6 Luna	Max	22	9/10	98.9%	1,441	1,432
4	Claude Haiku 5.5	High	11	3/10	97.2%	1,422	1,454

第三者・4 モデル・4 件 × 3 グループ(カバレッジ 3/10 ベンチマーク)MirrorCode、LMArena Text(style control・overall)、LMArena Text Coding(style control なし)

MirrorCode第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.0計測・報告: Epoch AI(4)
LMArena Text(style control・overall)第三者・lmarena-ai/leaderboard-dataset text_style_control/latest-00000-of-00001.parquet (CC BY 4.0)計測・報告: LMArena(4)
LMArena Text Coding(style control なし)第三者・lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)計測・報告: LMArena(4)

順位	モデル	effort	平均百分位	値のあるベンチマーク	1. MirrorCode	2. LMArena Text(style control・overall)	3. LMArena Text Coding(style control なし)
1	Claude Opus 5.5	High	100	3/10	78.9%	1,506	1,542
2	GPT-6.1 Sol	Max	56	9/10	61.1%	1,482	1,486
3	GPT-6 Astra	Max	44	9/10	60.0%	1,474	1,494
4	GPT-6 Luna	Max	0	9/10	26.7%	1,441	1,432

第三者・3 モデル・3 件 × 9 グループ(カバレッジ 9/10 ベンチマーク)GPQA Diamond、FrontierMath Tiers 1-3(v2)、FrontierMath Tier 4(v2)、OTIS Mock AIME 2024-2025、SimpleQA Verified、Chess Puzzles(Epoch AI)、MirrorCode、LMArena Text(style control・overall)、LMArena Text Coding(style control なし)

GPQA Diamond第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.0計測・報告: Epoch AI(3)
FrontierMath Tiers 1-3(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.0計測・報告: Epoch AI(3)
FrontierMath Tier 4(v2)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.0計測・報告: Epoch AI(3)
OTIS Mock AIME 2024-2025第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.0計測・報告: Epoch AI(3)
SimpleQA Verified第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.0計測・報告: Epoch AI(3)
Chess Puzzles(Epoch AI)第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.0計測・報告: Epoch AI(3)
MirrorCode第三者・Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.0計測・報告: Epoch AI(3)
LMArena Text(style control・overall)第三者・lmarena-ai/leaderboard-dataset text_style_control/latest-00000-of-00001.parquet (CC BY 4.0)計測・報告: LMArena(3)
LMArena Text Coding(style control なし)第三者・lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)計測・報告: LMArena(3)

順位	モデル	effort	平均百分位	値のあるベンチマーク	1. GPQA Diamond	2. FrontierMath Tiers 1-3(v2)	3. FrontierMath Tier 4(v2)	4. OTIS Mock AIME 2024-2025	5. SimpleQA Verified	6. Chess Puzzles(Epoch AI)	7. MirrorCode	8. LMArena Text(style control・overall)	9. LMArena Text Coding(style control なし)
1	GPT-6 Astra	Max	78	9/10	95.8%	93.7%	97.6%	100.0%	75.6%	74.0%	60.0%	1,474	1,494
2	GPT-6.1 Sol	Max	72	9/10	95.4%	93.7%	100.0%	100.0%	73.9%	68.0%	61.1%	1,482	1,486
3	GPT-6 Luna	Max	0	9/10	90.5%	79.0%	56.1%	98.9%	41.4%	36.0%	26.7%	1,441	1,432

コストバランス

出典のコストはベンチマークごとに意味が違うため、ベンチマークをまたいで合算せず、比較グループの中だけで見ます。

前線: 同じかそれより安いコストで、より良いスコアの点が無い点(パレート前線)。安い順に並べます。出典のコストの無い点は判定から外します。
effort の差分: 同じモデルで値のある隣どうしの effort の間の、スコアの差(% の指標はポイント)とコストの倍率。間の effort に値が無いときは、その旨を添えます。両端で計測・報告が違うときは「前 → 後」で示します。

Terminal-Bench 4.0

公式の結果(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ))

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Sonnet 5.5	Low	20.0%	$0.76Cost per attempt	Anthropic
Claude Sonnet 5.5	Med	28.8%	$0.83Cost per attempt	Anthropic
Claude Opus 5.5	Low	38.5%	$1.29Cost per attempt	Anthropic
Claude Sonnet 5.5	High	43.0%	$1.94Cost per attempt	Anthropic
Claude Opus 5.5	Med	57.6%	$2.94Cost per attempt	Anthropic
Claude Opus 5.5	High	64.2%	$3.88Cost per attempt	Anthropic
Claude Opus 5.5	Xhigh	66.4%	$7.35Cost per attempt	Anthropic
Claude Sonnet 5.5	Max	70.6%	$12.54Cost per attempt	Anthropic

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Opus 5.5	Low → Med	+19.1pt	×2.28	Anthropic
Claude Opus 5.5	Med → High	+6.6pt	×1.32	Anthropic
Claude Opus 5.5	High → Xhigh	+2.2pt	×1.89	Anthropic
Claude Opus 5.5	Xhigh → Max	-1.6pt	×1.53	Anthropic
Claude Sonnet 5.5	Low → Med	+8.8pt	×1.09	Anthropic
Claude Sonnet 5.5	Med → High	+14.2pt	×2.34	Anthropic
Claude Sonnet 5.5	High → Xhigh	+18.5pt	×2.73	Anthropic
Claude Sonnet 5.5	Xhigh → Max	+9.1pt	×2.37	Anthropic
GPT-6 Astra	Low → Med	+4.2pt	×1.24	OpenAI
GPT-6 Astra	Med → High	+4.0pt	×1.17	OpenAI
GPT-6 Astra	High → Xhigh	-0.3pt	×1.04	OpenAI
GPT-6 Astra	Xhigh → Max	-0.9pt	×1.38	OpenAI

公式の結果(Introducing Claude Haiku 5.5)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Haiku 5.5	Low	12.7%	$0.42Cost per attempt	Anthropic
Claude Sonnet 5.5	Low	20.0%	$0.62Cost per attempt	Anthropic
Claude Sonnet 5.5	Med	28.8%	$0.68Cost per attempt	Anthropic
Claude Sonnet 5.5	High	43.0%	$1.46Cost per attempt	Anthropic
Claude Sonnet 5.5	Xhigh	61.5%	$4.34Cost per attempt	Anthropic
Claude Sonnet 5.5	Max	70.6%	$10.44Cost per attempt	Anthropic

出典のコストの無い 1 点は前線の判定から外しています。

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Sonnet 5.5	Low → Med	+8.8pt	×1.1	Anthropic
Claude Sonnet 5.5	Med → High	+14.2pt	×2.15	Anthropic
Claude Sonnet 5.5	High → Xhigh	+18.5pt	×2.97	Anthropic
Claude Sonnet 5.5	Xhigh → Max	+9.1pt	×2.41	Anthropic
Claude Haiku 5.5	Low → Med	+7.6pt	×1.62	Anthropic
Claude Haiku 5.5	Med → High	+4.5pt	×1.53	Anthropic
Claude Haiku 5.5	High → Xhigh	+6.7pt	×1.68	Anthropic
Claude Haiku 5.5	Xhigh → Max	+7.7pt	×1.51	Anthropic

FrontierCode v1.1(main set)

公式の結果(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ))

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Sonnet 5.5	Low	29.3%	$0.19Cost per task	Anthropic
Claude Sonnet 5.5	Med	36.5%	$0.24Cost per task	Anthropic
Claude Opus 5.5	Low	47.3%	$0.40Cost per task	Anthropic
Claude Sonnet 5.5	High	49.4%	$0.42Cost per task	Anthropic
Claude Opus 5.5	Med	54.6%	$0.80Cost per task	Anthropic

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Opus 5.5	Low → Med	+7.3pt	×2.0	Anthropic
Claude Opus 5.5	Med → High	-0.6pt	×1.36	Anthropic
Claude Opus 5.5	High → Xhigh	-2.6pt	×2.06	Anthropic
Claude Opus 5.5	Xhigh → Max	+3.0pt	×2.75	Anthropic
Claude Sonnet 5.5	Low → Med	+7.2pt	×1.26	Anthropic
Claude Sonnet 5.5	Med → High	+12.9pt	×1.75	Anthropic
Claude Sonnet 5.5	High → Xhigh	+2.7pt	×3.79	Anthropic
Claude Sonnet 5.5	Xhigh → Max	-5.9pt	×13.07	Anthropic
GPT-6 Astra	Low → Med	+3.5pt	×1.43	記載なし
GPT-6 Astra	Med → High	+2.1pt	×1.25	記載なし
GPT-6 Astra	High → Xhigh	-0.3pt	×1.09	記載なし
GPT-6 Astra	Xhigh → Max	+2.7pt	×1.41	記載なし

FrontierCode 2.0

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Opus 5.5	Low	14.7%	$0.75Cost per task	Anthropic
Claude Opus 5.5	Med	30.1%	$1.70Cost per task	Anthropic
Claude Fable 5.2	Low	34.2%	$2.10Cost per task	Anthropic
Claude Opus 5.5	High	34.5%	$2.42Cost per task	Anthropic
Claude Fable 5.2	Med	37.6%	$2.48Cost per task	Anthropic
GPT-6 Astra	High	38.3%	$4.28Cost per task	記載なし
GPT-6 Astra	Xhigh	41.4%	$4.54Cost per task	記載なし
Claude Opus 5.5	Xhigh	43.4%	$5.18Cost per task	Anthropic
Claude Fable 5.2	High	45.3%	$6.72Cost per task	Anthropic
Claude Opus 5.5	Max	45.5%	$12.82Cost per task	Anthropic
Claude Fable 5.2	Xhigh	49.1%	$14.19Cost per task	Anthropic

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Fable 5.2	Low → Med	+3.4pt	×1.18	Anthropic
Claude Fable 5.2	Med → High	+7.7pt	×2.71	Anthropic
Claude Fable 5.2	High → Xhigh	+3.8pt	×2.11	Anthropic
Claude Fable 5.2	Xhigh → Max	-3.5pt	×3.15	Anthropic
Claude Opus 5.5	Low → Med	+15.4pt	×2.27	Anthropic
Claude Opus 5.5	Med → High	+4.4pt	×1.42	Anthropic
Claude Opus 5.5	High → Xhigh	+8.9pt	×2.14	Anthropic
Claude Opus 5.5	Xhigh → Max	+2.1pt	×2.47	Anthropic
GPT-6 Astra	Low → Med	+5.7pt	×1.43	記載なし
GPT-6 Astra	Med → High	+1.5pt	×1.23	記載なし
GPT-6 Astra	High → Xhigh	+3.1pt	×1.06	記載なし
GPT-6 Astra	Xhigh → Max	+1.4pt	×1.47	記載なし

CursorBench 4.0

公式の結果(Introducing Claude Opus 5.5)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Opus 5.5	Low	43.7%	$1.18Cost per task	Anthropic
Claude Opus 5.5	Med	52.5%	$2.90Cost per task	Anthropic
Claude Opus 5.5	High	56.0%	$3.97Cost per task	Anthropic
Claude Opus 5.5	Xhigh	56.0%	$6.99Cost per task	Anthropic
Claude Opus 5.5	Max	57.8%	$13.43Cost per task	Anthropic

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Opus 5.5	Low → Med	+8.8pt	×2.46	Anthropic
Claude Opus 5.5	Med → High	+3.5pt	×1.37	Anthropic
Claude Opus 5.5	High → Xhigh	±0.0pt	×1.76	Anthropic
Claude Opus 5.5	Xhigh → Max	+1.8pt	×1.92	Anthropic

公式の結果(Introducing Claude Sonnet 5.5)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Sonnet 5.5	Low	35.8%	$0.50Cost per task	Anthropic
Claude Sonnet 5.5	Med	39.2%	$0.70Cost per task	Anthropic
Claude Opus 5.5	Low	43.7%	$1.17Cost per task	Anthropic
Claude Sonnet 5.5	High	47.8%	$1.67Cost per task	Anthropic
Claude Opus 5.5	Med	52.5%	$2.91Cost per task	Anthropic
Claude Sonnet 5.5	Xhigh	53.1%	$3.88Cost per task	Anthropic
Claude Opus 5.5	High	56.0%	$3.97Cost per task	Anthropic
Claude Opus 5.5	Xhigh	56.0%	$6.98Cost per task	Anthropic
Claude Opus 5.5	Max	57.8%	$13.43Cost per task	Anthropic

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Opus 5.5	Low → Med	+8.8pt	×2.49	Anthropic
Claude Opus 5.5	Med → High	+3.5pt	×1.36	Anthropic
Claude Opus 5.5	High → Xhigh	±0.0pt	×1.76	Anthropic
Claude Opus 5.5	Xhigh → Max	+1.8pt	×1.92	Anthropic
Claude Sonnet 5.5	Low → Med	+3.4pt	×1.4	Anthropic
Claude Sonnet 5.5	Med → High	+8.6pt	×2.39	Anthropic
Claude Sonnet 5.5	High → Xhigh	+5.3pt	×2.32	Anthropic
Claude Sonnet 5.5	Xhigh → Max	+2.4pt	×2.49	Anthropic

GDPval-AA v2.1

公式の結果(Introducing Claude Opus 5.5)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Opus 5.5	Low	1,224	$0.21Estimated cost per task	Anthropic
GPT-6 Astra	Low	1,366	$0.85Estimated cost per task	記載なし
Claude Opus 5.5	Med	1,576	$0.86Estimated cost per task	Anthropic
Claude Opus 5.5	High	1,692	$1.54Estimated cost per task	Anthropic
Claude Opus 5.5	Xhigh	1,820	$4.21Estimated cost per task	Anthropic
Claude Opus 5.5	Max	1,846	$8.92Estimated cost per task	Anthropic

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Opus 5.5	Low → Med	+352	×4.1	Anthropic
Claude Opus 5.5	Med → High	+116	×1.79	Anthropic
Claude Opus 5.5	High → Xhigh	+128	×2.73	Anthropic
Claude Opus 5.5	Xhigh → Max	+26	×2.12	Anthropic
GPT-6 Astra	Low → Med	+102	×2.14	記載なし
GPT-6 Astra	Med → High	+17	×1.34	記載なし
GPT-6 Astra	High → Xhigh	+31	×1.25	記載なし
GPT-6 Astra	Xhigh → Max	+26	×1.49	記載なし

公式の結果(Introducing Claude Haiku 5.5)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
GPT-6 Luna	Low	1,036	$0.004Cost per task	記載なし
Claude Haiku 5.5	Low	1,125	$0.01Cost per task	Anthropic
GPT-6 Luna	Med	1,262	$0.02Cost per task	記載なし
GPT-6 Luna	High	1,344	$0.03Cost per task	記載なし
GPT-6 Luna	Xhigh	1,364	$0.05Cost per task	記載なし
GPT-6 Luna	Max	1,437	$0.09Cost per task	記載なし
Claude Haiku 5.5	Xhigh	1,513	$0.27Cost per task	Anthropic
Claude Sonnet 5.5	High	1,551	$0.62Cost per task	Anthropic
Claude Haiku 5.5	Max	1,620	$0.87Cost per task	Anthropic
Claude Sonnet 5.5	Xhigh	1,731	$1.88Cost per task	Anthropic
Claude Sonnet 5.5	Max	1,840	$6.78Cost per task	Anthropic

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Sonnet 5.5	Low → Med	+145	×1.23	Anthropic
Claude Sonnet 5.5	Med → High	+227	×2.3	Anthropic
Claude Sonnet 5.5	High → Xhigh	+180	×3.03	Anthropic
Claude Sonnet 5.5	Xhigh → Max	+109	×3.61	Anthropic
Claude Haiku 5.5	Low → Med	+152	×3.0	Anthropic
Claude Haiku 5.5	Med → High	+143	×3.0	Anthropic
Claude Haiku 5.5	High → Xhigh	+93	×3.0	Anthropic
Claude Haiku 5.5	Xhigh → Max	+107	×3.22	Anthropic
GPT-6 Luna	Low → Med	+226	×5.0	記載なし
GPT-6 Luna	Med → High	+82	×1.5	記載なし
GPT-6 Luna	High → Xhigh	+20	×1.67	記載なし
GPT-6 Luna	Xhigh → Max	+73	×1.8	記載なし

AA-Briefcase v1.1(Elo)

公式の結果(Introducing Claude Sonnet 5.5)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Sonnet 5.5	Low	1,264	$0.87Cost per task	Anthropic
Claude Opus 5.5	Low	1,285	$1.15Cost per task	Anthropic
Claude Sonnet 5.5	Med	1,461	$1.64Cost per task	Anthropic
Claude Sonnet 5.5	High	1,634	$3.95Cost per task	Anthropic
Claude Opus 5.5	Med	1,642	$4.40Cost per task	Anthropic
Claude Opus 5.5	High	1,705	$6.27Cost per task	Anthropic
Claude Sonnet 5.5	Xhigh	1,746	$9.63Cost per task	Anthropic
Claude Opus 5.5	Xhigh	1,780	$12.27Cost per task	Anthropic
Claude Opus 5.5	Max	1,822	$21.05Cost per task	Anthropic

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Opus 5.5	Low → Med	+357	×3.83	Anthropic
Claude Opus 5.5	Med → High	+63	×1.42	Anthropic
Claude Opus 5.5	High → Xhigh	+75	×1.96	Anthropic
Claude Opus 5.5	Xhigh → Max	+42	×1.72	Anthropic
Claude Sonnet 5.5	Low → Med	+197	×1.89	Anthropic
Claude Sonnet 5.5	Med → High	+173	×2.41	Anthropic
Claude Sonnet 5.5	High → Xhigh	+112	×2.44	Anthropic
Claude Sonnet 5.5	Xhigh → Max	+65	×3.03	Anthropic

AutomationBench

公式の結果(Introducing Claude Opus 5.5)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Opus 5.5	Low	23.3%	$0.50Cost per task	Zapier
Claude Opus 5.5	Med	28.6%	$0.64Cost per task	Zapier
Claude Opus 5.5	High	32.0%	$0.70Cost per task	Zapier
Claude Opus 5.5	Xhigh	34.4%	$0.86Cost per task	Zapier
Claude Opus 5.5	Max	40.0%	$1.37Cost per task	Zapier
GPT-6 Astra	Max	41.4%	$1.77Cost per task	Zapier

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Opus 5.5	Low → Med	+5.3pt	×1.28	Zapier
Claude Opus 5.5	Med → High	+3.4pt	×1.09	Zapier
Claude Opus 5.5	High → Xhigh	+2.4pt	×1.23	Zapier
Claude Opus 5.5	Xhigh → Max	+5.6pt	×1.59	Zapier
GPT-6 Astra	Low → Med	+3.8pt	×1.19	Zapier
GPT-6 Astra	Med → High	+3.0pt	×1.13	Zapier
GPT-6 Astra	High → Xhigh	+1.9pt	×1.06	Zapier
GPT-6 Astra	Xhigh → Max	+2.4pt	×1.16	Zapier

Humanity's Last Exam(ツールあり)

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Opus 5.5	Low	57.4%	$0.08Cost per attempt	Anthropic
Claude Opus 5.5	Med	63.0%	$0.17Cost per attempt	Anthropic
Claude Fable 5.2	Low	68.4%	$0.19Cost per attempt	Anthropic
Claude Fable 5.2	Med	68.6%	$0.21Cost per attempt	Anthropic
Claude Fable 5.2	High	71.5%	$0.63Cost per attempt	Anthropic
Claude Fable 5.2	Xhigh	73.4%	$1.48Cost per attempt	Anthropic
Claude Fable 5.2	Max	74.2%	$4.51Cost per attempt	Anthropic

出典のコストの無い 1 点は前線の判定から外しています。

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Fable 5.2	Low → Med	+0.2pt	×1.11	Anthropic
Claude Fable 5.2	Med → High	+2.9pt	×3.0	Anthropic
Claude Fable 5.2	High → Xhigh	+1.9pt	×2.35	Anthropic
Claude Fable 5.2	Xhigh → Max	+0.8pt	×3.05	Anthropic
Claude Opus 5.5	Low → Med	+5.6pt	×2.13	Anthropic
Claude Opus 5.5	Med → High	+0.9pt	×1.71	Anthropic
Claude Opus 5.5	High → Xhigh	+2.5pt	×2.38	Anthropic
Claude Opus 5.5	Xhigh → Max	+1.3pt	×3.16	Anthropic

Humanity's Last Exam(ツールなし)

公式の結果(Introducing Claude Haiku 5.5)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Haiku 5.5	Low	30.9%	$0.003Cost per attempt	Anthropic
Claude Haiku 5.5	Med	35.5%	$0.007Cost per attempt	Anthropic
Claude Haiku 5.5	High	39.7%	$0.02Cost per attempt	Anthropic
Claude Sonnet 5.5	Med	43.2%	$0.03Cost per attempt	Anthropic
Claude Haiku 5.5	Xhigh	44.1%	$0.06Cost per attempt	Anthropic
Claude Sonnet 5.5	High	47.9%	$0.08Cost per attempt	Anthropic
Claude Sonnet 5.5	Xhigh	53.0%	$0.20Cost per attempt	Anthropic
Claude Sonnet 5.5	Max	56.9%	$0.89Cost per attempt	Anthropic

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Sonnet 5.5	Low → Med	+1.8pt	×1.0	Anthropic
Claude Sonnet 5.5	Med → High	+4.7pt	×2.67	Anthropic
Claude Sonnet 5.5	High → Xhigh	+5.1pt	×2.5	Anthropic
Claude Sonnet 5.5	Xhigh → Max	+3.9pt	×4.45	Anthropic
Claude Haiku 5.5	Low → Med	+4.6pt	×2.33	Anthropic
Claude Haiku 5.5	Med → High	+4.2pt	×2.86	Anthropic
Claude Haiku 5.5	High → Xhigh	+4.4pt	×3.0	Anthropic
Claude Haiku 5.5	Xhigh → Max	+1.8pt	×3.5	Anthropic

OSWorld 2.1(offline subset)

公式の結果(Introducing Claude Haiku 5.5)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
GPT-6 Luna	Low	19.2%	$0.04Cost per attempt	記載なし
Claude Haiku 5.5	Low	42.0%	$0.07Cost per attempt	Anthropic
Claude Haiku 5.5	Med	53.3%	$0.13Cost per attempt	Anthropic
Claude Haiku 5.5	High	61.3%	$0.18Cost per attempt	Anthropic
Claude Haiku 5.5	Xhigh	67.6%	$0.28Cost per attempt	Anthropic
Claude Haiku 5.5	Max	72.4%	$0.61Cost per attempt	Anthropic
Claude Sonnet 5.5	High	73.2%	$1.38Cost per attempt	Anthropic
Claude Sonnet 5.5	Xhigh	81.1%	$2.22Cost per attempt	Anthropic
Claude Sonnet 5.5	Max	83.9%	$5.73Cost per attempt	Anthropic

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Sonnet 5.5	Low → Med	+8.1pt	×1.37	Anthropic
Claude Sonnet 5.5	Med → High	+7.2pt	×1.48	Anthropic
Claude Sonnet 5.5	High → Xhigh	+7.9pt	×1.61	Anthropic
Claude Sonnet 5.5	Xhigh → Max	+2.8pt	×2.58	Anthropic
Claude Haiku 5.5	Low → Med	+11.3pt	×1.86	Anthropic
Claude Haiku 5.5	Med → High	+8.0pt	×1.38	Anthropic
Claude Haiku 5.5	High → Xhigh	+6.3pt	×1.56	Anthropic
Claude Haiku 5.5	Xhigh → Max	+4.8pt	×2.18	Anthropic
GPT-6 Luna	Low → Med	+18.3pt	×3.25	記載なし
GPT-6 Luna	Med → High	+4.8pt	×1.08	記載なし
GPT-6 Luna	High → Xhigh	+2.5pt	×1.21	記載なし
GPT-6 Luna	Xhigh → Max	+4.1pt	×1.18	記載なし

Chartography(ツールなし)

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Opus 5.5	Low	57.0%	$0.02Cost per attempt	Anthropic
Claude Fable 5.2	Med	66.4%	$0.03Cost per attempt	Anthropic
Claude Fable 5.2	High	69.8%	$0.07Cost per attempt	Anthropic
Claude Fable 5.2	Xhigh	71.4%	$0.15Cost per attempt	Anthropic
Claude Fable 5.2	Max	73.4%	$0.75Cost per attempt	Anthropic

出典のコストの無い 1 点は前線の判定から外しています。

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Fable 5.2	Low → Med	+2.2pt	×1.0	Anthropic
Claude Fable 5.2	Med → High	+3.4pt	×2.33	Anthropic
Claude Fable 5.2	High → Xhigh	+1.6pt	×2.14	Anthropic
Claude Fable 5.2	Xhigh → Max	+2.0pt	×5.0	Anthropic
Claude Opus 5.5	Low → Med	+2.0pt	×1.5	Anthropic
Claude Opus 5.5	Med → High	+0.2pt	×1.0	Anthropic
Claude Opus 5.5	High → Xhigh	+3.2pt	×2.67	Anthropic
Claude Opus 5.5	Xhigh → Max	+2.0pt	×6.13	Anthropic

WANDR

公式の結果(Introducing Claude Opus 5.5)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Opus 5.5	Low	31.2%	$1.20Cost per attempt	Anthropic
Claude Opus 5.5	Med	62.8%	$11.20Cost per attempt	Anthropic
Claude Opus 5.5	High	67.3%	$16.88Cost per attempt	Anthropic
Claude Opus 5.5	Xhigh	71.3%	$29.06Cost per attempt	Anthropic
Claude Opus 5.5	Max	72.3%	$37.92Cost per attempt	Anthropic

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Opus 5.5	Low → Med	+31.6pt	×9.33	Anthropic
Claude Opus 5.5	Med → High	+4.5pt	×1.51	Anthropic
Claude Opus 5.5	High → Xhigh	+4.0pt	×1.72	Anthropic
Claude Opus 5.5	Xhigh → Max	+1.0pt	×1.3	Anthropic

WANDR(relaxed score)

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Opus 5.5	Low	31.2%	$1.25Cost per attempt	Anthropic
Claude Opus 5.5	Med	62.8%	$11.40Cost per attempt	Anthropic
Claude Fable 5.2	Low	71.4%	$12.66Cost per attempt	Anthropic
Claude Fable 5.2	Med	73.6%	$15.71Cost per attempt	Anthropic
Claude Fable 5.2	High	79.3%	$29.20Cost per attempt	Anthropic
Claude Fable 5.2	Xhigh	80.6%	$39.84Cost per attempt	Anthropic
Claude Fable 5.2	Max	82.1%	$53.11Cost per attempt	Anthropic

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Fable 5.2	Low → Med	+2.2pt	×1.24	Anthropic
Claude Fable 5.2	Med → High	+5.7pt	×1.86	Anthropic
Claude Fable 5.2	High → Xhigh	+1.3pt	×1.36	Anthropic
Claude Fable 5.2	Xhigh → Max	+1.5pt	×1.33	Anthropic
Claude Opus 5.5	Low → Med	+31.6pt	×9.12	Anthropic
Claude Opus 5.5	Med → High	+4.5pt	×1.52	Anthropic
Claude Opus 5.5	High → Xhigh	+4.0pt	×1.69	Anthropic
Claude Opus 5.5	Xhigh → Max	+1.0pt	×1.32	Anthropic

BenchCAD 2.1(ツールあり)

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Opus 5.5	Low	6.3	$0.03Cost per attempt	Anthropic
Claude Opus 5.5	Med	19.1	$1.11Cost per attempt	Anthropic
Claude Fable 5.2	Low	26.9	$1.89Cost per attempt	Anthropic
Claude Opus 5.5	High	29.7	$2.57Cost per attempt	Anthropic
Claude Fable 5.2	Med	32.4	$2.66Cost per attempt	Anthropic
Claude Opus 5.5	Xhigh	54.5	$8.91Cost per attempt	Anthropic
Claude Fable 5.2	High	61	$9.99Cost per attempt	Anthropic
Claude Opus 5.5	Max	65.3	$19.86Cost per attempt	Anthropic
Claude Fable 5.2	Xhigh	74.1	$23.23Cost per attempt	Anthropic
Claude Fable 5.2	Max	83.5	$50.77Cost per attempt	Anthropic

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Fable 5.2	Low → Med	+5.5	×1.41	Anthropic
Claude Fable 5.2	Med → High	+28.6	×3.76	Anthropic
Claude Fable 5.2	High → Xhigh	+13.1	×2.33	Anthropic
Claude Fable 5.2	Xhigh → Max	+9.4	×2.19	Anthropic
Claude Opus 5.5	Low → Med	+12.8	×37.0	Anthropic
Claude Opus 5.5	Med → High	+10.6	×2.32	Anthropic
Claude Opus 5.5	High → Xhigh	+24.8	×3.47	Anthropic
Claude Opus 5.5	Xhigh → Max	+10.8	×2.23	Anthropic

CVE Rediscovery

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

前線上の点(安い順)
前線上のモデル	effort	スコア	出典のコスト(指標)	計測・報告
Claude Opus 5.5	Low	59.4%	$0.11Cost per attempt	Anthropic
Claude Opus 5.5	Med	66.1%	$0.28Cost per attempt	Anthropic
Claude Opus 5.5	High	70.0%	$0.43Cost per attempt	Anthropic
Claude Opus 5.5	Xhigh	76.4%	$1.05Cost per attempt	Anthropic
Claude Opus 5.5	Max	81.3%	$2.98Cost per attempt	Anthropic

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Opus 5.5	Low → Med	+6.7pt	×2.55	Anthropic
Claude Opus 5.5	Med → High	+3.9pt	×1.54	Anthropic
Claude Opus 5.5	High → Xhigh	+6.4pt	×2.44	Anthropic
Claude Opus 5.5	Xhigh → Max	+4.9pt	×2.84	Anthropic

FrontierMath Tier 4(v2)

第三者の結果(Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.0)

出典のコストのある点が無いため、前線は出せません。

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
GPT-6 Astra	Low → Med	+9.8pt	—	Epoch AI
GPT-6 Astra	Med → High	±0.0pt	—	Epoch AI
GPT-6 Astra	High → Xhigh	±0.0pt	—	Epoch AI
GPT-6 Astra	Xhigh → Max	±0.0pt	—	Epoch AI

OTIS Mock AIME 2024-2025

第三者の結果(Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.0)

出典のコストのある点が無いため、前線は出せません。

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Haiku 5.5	High → Xhigh	+1.7pt	—	Epoch AI

Chess Puzzles(Epoch AI)

第三者の結果(Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.0)

出典のコストのある点が無いため、前線は出せません。

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Haiku 5.5	Low → MaxMed・High・Xhigh の値なし	+31.0pt	—	Epoch AI

MirrorCode

第三者の結果(Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.0)

出典のコストのある点が無いため、前線は出せません。

effort を上げたときの差分
モデル	effort	スコアの差	コストの倍率	計測・報告
Claude Opus 5.5	High → MaxXhigh の値なし	+16.7pt	—	Epoch AI
GPT-6 Astra	High → MaxXhigh の値なし	+13.3pt	—	Epoch AI

指標別

ベンチマークをカテゴリの順に並べ、比較グループ(同じ出典か、同じ測定条件と確認できた出典の集まり)ごとに順位を付けます。「計測・報告」は出典に記載のある、値を計測または報告した主体で、公式発表でも他社のモデルの値を発表元が計測していることがあります。

エージェント型コーディングTerminal-Bench 4.0

公式の結果(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ))

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Sonnet 5.5	Max	70.6%	$12.54Cost per attempt	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
2	Claude Opus 5.5	Xhigh	66.4%	$7.35Cost per attempt	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
3	Claude Opus 5.5	Max	64.8%	$11.24Cost per attempt	—	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
4	Claude Opus 5.5	High	64.2%	$3.88Cost per attempt	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
5	Claude Sonnet 5.5	Xhigh	61.5%	$5.30Cost per attempt	—	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
6	GPT-6 Astra	High	57.9%	$7.21Cost per attempt	—	OpenAI	Introducing Claude Opus 5.52026-11-12 取得
7	Claude Opus 5.5	Med	57.6%	$2.94Cost per attempt	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
7	GPT-6 Astra	Xhigh	57.6%	$7.48Cost per attempt	—	OpenAI	Introducing Claude Opus 5.52026-11-12 取得
9	GPT-6 Astra	Max	56.7%	$10.35Cost per attempt	—	OpenAI	Introducing Claude Opus 5.52026-11-12 取得
10	GPT-6 Astra	Med	53.9%	$6.15Cost per attempt	—	OpenAI	Introducing Claude Opus 5.52026-11-12 取得
11	GPT-6 Astra	Low	49.7%	$4.95Cost per attempt	—	OpenAI	Introducing Claude Opus 5.52026-11-12 取得
12	Claude Sonnet 5.5	High	43.0%	$1.94Cost per attempt	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
13	Claude Opus 5.5	Low	38.5%	$1.29Cost per attempt	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
14	Claude Sonnet 5.5	Med	28.8%	$0.83Cost per attempt	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
15	Claude Sonnet 5.5	Low	20.0%	$0.76Cost per attempt	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得

公式の結果(Introducing Claude Haiku 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Sonnet 5.5	Max	70.6%	$10.44Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
2	Claude Sonnet 5.5	Xhigh	61.5%	$4.34Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
3	Claude Sonnet 5.5	High	43.0%	$1.46Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
4	Claude Haiku 5.5	Max	39.2%	$2.64Cost per attempt	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
5	Claude Haiku 5.5	Xhigh	31.5%	$1.75Cost per attempt	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
6	Claude Sonnet 5.5	Med	28.8%	$0.68Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
7	Claude Haiku 5.5	High	24.8%	$1.04Cost per attempt	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
8	Claude Haiku 5.5	Med	20.3%	$0.68Cost per attempt	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
9	Claude Sonnet 5.5	Low	20.0%	$0.62Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
10	GPT-6 Luna	記載なし	16.4%	—	—	記載なし	Introducing Claude Haiku 5.52026-11-12 取得
11	Claude Haiku 5.5	Low	12.7%	$0.42Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得

エージェント型コーディングTerminal-Bench-Science 0.1

公式の結果(Introducing Claude Opus 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	GPT-6 Astra	記載なし	64.6%	—	—	OpenAI	Introducing Claude Opus 5.52026-11-12 取得
2	Claude Opus 5.5	Max	58.7%	—	—	Anthropic	Introducing Claude Opus 5.52026-11-12 取得

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	記載なし	74.6%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
2	GPT-6 Astra	記載なし	68.1%	—	—	記載なし	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
3	Claude Opus 5.5	記載なし	58.7%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

エージェント型コーディングFrontierCode v1.1(main set)

公式の結果(Anthropic 発表の Accuracy vs Cost 図(Opus 5.5・Sonnet 5.5 ページ))

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	Med	54.6%	$0.80Cost per task	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
2	Claude Opus 5.5	Max	54.4%	$6.19Cost per task	—	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
3	Claude Opus 5.5	High	54.0%	$1.09Cost per task	—	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
4	GPT-6 Astra	Max	53.3%	$4.36Cost per task	—	記載なし	Introducing Claude Opus 5.52026-11-12 取得
5	Claude Sonnet 5.5	Xhigh	52.1%	$1.59Cost per task	—	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
6	Claude Opus 5.5	Xhigh	51.4%	$2.25Cost per task	—	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
7	GPT-6 Astra	High	50.9%	$2.85Cost per task	—	記載なし	Introducing Claude Opus 5.52026-11-12 取得
8	GPT-6 Astra	Xhigh	50.6%	$3.10Cost per task	—	記載なし	Introducing Claude Opus 5.52026-11-12 取得
9	Claude Sonnet 5.5	High	49.4%	$0.42Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
10	GPT-6 Astra	Med	48.8%	$2.28Cost per task	—	記載なし	Introducing Claude Opus 5.52026-11-12 取得
11	Claude Opus 5.5	Low	47.3%	$0.40Cost per task	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
12	Claude Sonnet 5.5	Max	46.2%	$20.78Cost per task	—	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
13	GPT-6 Astra	Low	45.3%	$1.59Cost per task	—	記載なし	Introducing Claude Opus 5.52026-11-12 取得
14	Claude Sonnet 5.5	Med	36.5%	$0.24Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
15	Claude Sonnet 5.5	Low	29.3%	$0.19Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得

公式の結果(Introducing Claude Haiku 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Sonnet 5.5	Xhigh	52.1%	—	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
2	Claude Haiku 5.5	記載なし	46.4%	—	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
3	GPT-6 Luna	記載なし	42.4%	—	—	記載なし	Introducing Claude Haiku 5.52026-11-12 取得

エージェント型コーディングFrontierCode 2.0

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	Xhigh	49.1%	$14.19Cost per task	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
2	Claude Fable 5.2	Max	45.6%	$44.70Cost per task	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
3	Claude Opus 5.5	Max	45.5%	$12.82Cost per task	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
4	Claude Fable 5.2	High	45.3%	$6.72Cost per task	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
5	Claude Opus 5.5	Xhigh	43.4%	$5.18Cost per task	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
6	GPT-6 Astra	Max	42.8%	$6.68Cost per task	—	記載なし	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
7	GPT-6 Astra	Xhigh	41.4%	$4.54Cost per task	前線	記載なし	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
8	GPT-6 Astra	High	38.3%	$4.28Cost per task	前線	記載なし	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
9	Claude Fable 5.2	Med	37.6%	$2.48Cost per task	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
10	GPT-6 Astra	Med	36.8%	$3.49Cost per task	—	記載なし	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
11	Claude Opus 5.5	High	34.5%	$2.42Cost per task	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
12	Claude Fable 5.2	Low	34.2%	$2.10Cost per task	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
13	GPT-6 Astra	Low	31.1%	$2.44Cost per task	—	記載なし	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
14	Claude Opus 5.5	Med	30.1%	$1.70Cost per task	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
15	Claude Opus 5.5	Low	14.7%	$0.75Cost per task	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

エージェント型コーディングFrontierSWE 2

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	記載なし	69.9%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
2	GPT-6 Astra	記載なし	65.5%	—	—	記載なし	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
3	Claude Opus 5.5	記載なし	62.3%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

エージェント型コーディングCursorBench 4.0

公式の結果(Introducing Claude Opus 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	Max	57.8%	$13.43Cost per task	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
2	Claude Opus 5.5	High	56.0%	$3.97Cost per task	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
2	Claude Opus 5.5	Xhigh	56.0%	$6.99Cost per task	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
4	Claude Opus 5.5	Med	52.5%	$2.90Cost per task	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
5	Claude Opus 5.5	Low	43.7%	$1.18Cost per task	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得

公式の結果(Introducing Claude Sonnet 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	Max	57.8%	$13.43Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
2	Claude Opus 5.5	High	56.0%	$3.97Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
2	Claude Opus 5.5	Xhigh	56.0%	$6.98Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
4	Claude Sonnet 5.5	Max	55.5%	$9.67Cost per task	—	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
5	Claude Sonnet 5.5	Xhigh	53.1%	$3.88Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
6	Claude Opus 5.5	Med	52.5%	$2.91Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
7	Claude Sonnet 5.5	High	47.8%	$1.67Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
8	Claude Opus 5.5	Low	43.7%	$1.17Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
9	Claude Sonnet 5.5	Med	39.2%	$0.70Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
10	Claude Sonnet 5.5	Low	35.8%	$0.50Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得

コーディングMirrorCode

第三者の結果(Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.0)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Sonnet 5.5	Max	97.8%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.02026-11-12 取得
2	Claude Opus 5.5	Max	95.6%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.02026-11-12 取得
3	Claude Haiku 5.5	Max	78.9%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.02026-11-12 取得
3	Claude Opus 5.5	High	78.9%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.02026-11-12 取得
5	GPT-6.1 Terra	Max	76.7%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.02026-11-12 取得
6	GPT-6.1 Sol	Max	61.1%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.02026-11-12 取得
7	GPT-6 Astra	Max	60.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.02026-11-12 取得
8	GPT-6 Astra	High	46.7%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.02026-11-12 取得
9	GPT-6 Luna	Max	26.7%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, mirrorcode.csv) CC BY 4.02026-11-12 取得

コーディングLMArena Text Coding(style control なし)

第三者の結果(lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0))

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	High	1,542	—	—	LMArena	lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)2026-11-12 取得
2	Claude Sonnet 5.5	Xhigh	1,500	—	—	LMArena	lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)2026-11-12 取得
3	GPT-6 Astra	Max	1,494	—	—	LMArena	lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)2026-11-12 取得
4	GPT-6.1 Sol	Max	1,486	—	—	LMArena	lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)2026-11-12 取得
5	Claude Haiku 5.5	High	1,454	—	—	LMArena	lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)2026-11-12 取得
6	GPT-6 Luna	Max	1,432	—	—	LMArena	lmarena-ai/leaderboard-dataset text/latest-00000-of-00001.parquet (CC BY 4.0)2026-11-12 取得

推論Humanity's Last Exam(ツールあり)

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	Max	74.2%	$4.51Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
2	Claude Fable 5.2	Xhigh	73.4%	$1.48Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
3	Claude Fable 5.2	High	71.5%	$0.63Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
4	Claude Fable 5.2	Med	68.6%	$0.21Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
5	Claude Fable 5.2	Low	68.4%	$0.19Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
6	Claude Opus 5.5	Max	67.7%	$2.18Cost per attempt	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
7	Claude Opus 5.5	Xhigh	66.4%	$0.69Cost per attempt	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
8	Claude Opus 5.5	High	63.9%	$0.29Cost per attempt	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
9	Claude Opus 5.5	Med	63.0%	$0.17Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
10	Claude Opus 5.5	Low	57.4%	$0.08Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
11	GPT-6 Astra	記載なし	57.2%	—	—	記載なし	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

公式の結果(Introducing Claude Opus 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	Max	67.7%	—	—	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
2	GPT-6 Astra	記載なし	57.2%	—	—	記載なし	Introducing Claude Opus 5.52026-11-12 取得

公式の結果(Introducing Claude Sonnet 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	記載なし	67.7%	—	—	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
2	Claude Sonnet 5.5	記載なし	64.5%	—	—	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得

公式の結果(Introducing Claude Haiku 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Sonnet 5.5	記載なし	64.5%	—	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
2	Claude Haiku 5.5	記載なし	57.4%	—	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得

推論Humanity's Last Exam(ツールなし)

公式の結果(Introducing Claude Haiku 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Sonnet 5.5	Max	56.9%	$0.89Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
2	Claude Sonnet 5.5	Xhigh	53.0%	$0.20Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
3	Claude Sonnet 5.5	High	47.9%	$0.08Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
4	Claude Haiku 5.5	Max	45.9%	$0.21Cost per attempt	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
5	Claude Haiku 5.5	Xhigh	44.1%	$0.06Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
6	Claude Sonnet 5.5	Med	43.2%	$0.03Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
7	Claude Sonnet 5.5	Low	41.4%	$0.03Cost per attempt	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
8	Claude Haiku 5.5	High	39.7%	$0.02Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
9	Claude Haiku 5.5	Med	35.5%	$0.007Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
10	Claude Haiku 5.5	Low	30.9%	$0.003Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得

推論GPQA Diamond

第三者の結果(Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.0)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	GPT-6 Astra	Max	95.8%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.02026-11-12 取得
2	Claude Sonnet 5.5	Max	95.6%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.02026-11-12 取得
3	GPT-6.1 Sol	Max	95.4%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.02026-11-12 取得
4	GPT-6.1 Terra	Max	94.3%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.02026-11-12 取得
5	Claude Fable 5.2	Max	93.9%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.02026-11-12 取得
6	Claude Opus 5.5	Max	90.6%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.02026-11-12 取得
7	GPT-6 Luna	Max	90.5%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.02026-11-12 取得
8	Claude Haiku 5.5	Max	89.7%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, gpqa_diamond.csv) CC BY 4.02026-11-12 取得

推論Chess Puzzles(Epoch AI)

第三者の結果(Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.0)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	Max	79.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.02026-11-12 取得
2	GPT-6 Astra	Max	74.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.02026-11-12 取得
3	GPT-6.1 Sol	Max	68.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.02026-11-12 取得
4	Claude Opus 5.5	Max	67.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.02026-11-12 取得
5	Claude Sonnet 5.5	Max	59.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.02026-11-12 取得
6	Claude Haiku 5.5	Max	55.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.02026-11-12 取得
7	GPT-6 Luna	Max	36.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.02026-11-12 取得
8	Claude Haiku 5.5	Low	24.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, chess_puzzles.csv) CC BY 4.02026-11-12 取得

数学FrontierMath Tiers 1-3(v2)

第三者の結果(Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.0)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	Max	95.1%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.02026-11-12 取得
2	GPT-6.1 Sol	Max	93.7%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.02026-11-12 取得
2	GPT-6 Astra	Max	93.7%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.02026-11-12 取得
4	Claude Opus 5.5	Max	91.2%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.02026-11-12 取得
5	GPT-6.1 Terra	Max	90.9%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.02026-11-12 取得
6	Claude Sonnet 5.5	Max	88.8%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.02026-11-12 取得
7	GPT-6 Luna	Max	79.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.02026-11-12 取得
8	Claude Haiku 5.5	Max	75.1%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tiers_1_3_v2.csv) CC BY 4.02026-11-12 取得

数学FrontierMath Tier 4(v2)

第三者の結果(Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.0)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	Max	100.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.02026-11-12 取得
1	GPT-6.1 Sol	Max	100.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.02026-11-12 取得
3	GPT-6 Astra	High	97.6%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.02026-11-12 取得
3	GPT-6 Astra	Xhigh	97.6%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.02026-11-12 取得
3	GPT-6 Astra	Max	97.6%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.02026-11-12 取得
6	GPT-6 Astra	Med	97.6%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.02026-11-12 取得
7	Claude Opus 5.5	Max	95.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.02026-11-12 取得
8	GPT-6.1 Terra	Max	92.7%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.02026-11-12 取得
9	GPT-6 Astra	Low	87.8%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.02026-11-12 取得
10	GPT-6 Astra	記載なし	82.9%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.02026-11-12 取得
11	Claude Sonnet 5.5	Max	80.5%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.02026-11-12 取得
12	GPT-6 Luna	Max	56.1%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.02026-11-12 取得
13	Claude Haiku 5.5	Max	46.3%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, frontiermath_tier_4_v2.csv) CC BY 4.02026-11-12 取得

数学OTIS Mock AIME 2024-2025

第三者の結果(Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.0)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	GPT-6.1 Terra	Max	100.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.02026-11-12 取得
1	GPT-6.1 Sol	Max	100.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.02026-11-12 取得
1	Claude Sonnet 5.5	Max	100.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.02026-11-12 取得
1	Claude Opus 5.5	Max	100.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.02026-11-12 取得
1	GPT-6 Astra	Max	100.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.02026-11-12 取得
6	Claude Fable 5.2	Max	99.7%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.02026-11-12 取得
7	Claude Haiku 5.5	Xhigh	98.9%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.02026-11-12 取得
7	GPT-6 Luna	Max	98.9%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.02026-11-12 取得
9	Claude Haiku 5.5	High	97.2%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, otis_mock_aime_2024_2025.csv) CC BY 4.02026-11-12 取得

知識GDPval-AA v2.1

公式の結果(Introducing Claude Opus 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	Max	1,846	$8.92Estimated cost per task	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
2	Claude Opus 5.5	Xhigh	1,820	$4.21Estimated cost per task	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
3	Claude Opus 5.5	High	1,692	$1.54Estimated cost per task	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
4	Claude Opus 5.5	Med	1,576	$0.86Estimated cost per task	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
5	GPT-6 Astra	Max	1,542	$4.53Estimated cost per task	—	記載なし	Introducing Claude Opus 5.52026-11-12 取得
6	GPT-6 Astra	Xhigh	1,516	$3.04Estimated cost per task	—	記載なし	Introducing Claude Opus 5.52026-11-12 取得
7	GPT-6 Astra	High	1,485	$2.43Estimated cost per task	—	記載なし	Introducing Claude Opus 5.52026-11-12 取得
8	GPT-6 Astra	Med	1,468	$1.82Estimated cost per task	—	記載なし	Introducing Claude Opus 5.52026-11-12 取得
9	GPT-6 Astra	Low	1,366	$0.85Estimated cost per task	前線	記載なし	Introducing Claude Opus 5.52026-11-12 取得
10	Claude Opus 5.5	Low	1,224	$0.21Estimated cost per task	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得

公式の結果(Introducing Claude Haiku 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Sonnet 5.5	Max	1,840	$6.78Cost per task	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
2	Claude Sonnet 5.5	Xhigh	1,731	$1.88Cost per task	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
3	Claude Haiku 5.5	Max	1,620	$0.87Cost per task	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
4	Claude Sonnet 5.5	High	1,551	$0.62Cost per task	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
5	Claude Haiku 5.5	Xhigh	1,513	$0.27Cost per task	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
6	GPT-6 Luna	Max	1,437	$0.09Cost per task	前線	記載なし	Introducing Claude Haiku 5.52026-11-12 取得
7	Claude Haiku 5.5	High	1,420	$0.09Cost per task	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
8	GPT-6 Luna	Xhigh	1,364	$0.05Cost per task	前線	記載なし	Introducing Claude Haiku 5.52026-11-12 取得
9	GPT-6 Luna	High	1,344	$0.03Cost per task	前線	記載なし	Introducing Claude Haiku 5.52026-11-12 取得
10	Claude Sonnet 5.5	Med	1,324	$0.27Cost per task	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
11	Claude Haiku 5.5	Med	1,277	$0.03Cost per task	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
12	GPT-6 Luna	Med	1,262	$0.02Cost per task	前線	記載なし	Introducing Claude Haiku 5.52026-11-12 取得
13	Claude Sonnet 5.5	Low	1,179	$0.22Cost per task	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
14	Claude Haiku 5.5	Low	1,125	$0.01Cost per task	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
15	GPT-6 Luna	Low	1,036	$0.004Cost per task	前線	記載なし	Introducing Claude Haiku 5.52026-11-12 取得

公式の結果(Introducing Claude Sonnet 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	記載なし	1,846	—	—	Artificial Analysis	Introducing Claude Sonnet 5.52026-11-12 取得
2	Claude Sonnet 5.5	記載なし	1,844	—	—	Artificial Analysis	Introducing Claude Sonnet 5.52026-11-12 取得

知識AA-Briefcase v1.1(Elo)

公式の結果(Introducing Claude Sonnet 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	Max	1,822	$21.05Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
2	Claude Sonnet 5.5	Max	1,811	$29.19Cost per task	—	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
3	Claude Opus 5.5	Xhigh	1,780	$12.27Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
4	Claude Sonnet 5.5	Xhigh	1,746	$9.63Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
5	Claude Opus 5.5	High	1,705	$6.27Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
6	Claude Opus 5.5	Med	1,642	$4.40Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
7	Claude Sonnet 5.5	High	1,634	$3.95Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
8	Claude Sonnet 5.5	Med	1,461	$1.64Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
9	Claude Opus 5.5	Low	1,285	$1.15Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
10	Claude Sonnet 5.5	Low	1,264	$0.87Cost per task	前線	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得

公式の結果(Introducing Claude Haiku 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Sonnet 5.5	記載なし	1,824	—	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
2	Claude Haiku 5.5	記載なし	1,578	—	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
3	GPT-6 Luna	記載なし	1,336	—	—	記載なし	Introducing Claude Haiku 5.52026-11-12 取得

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	記載なし	1,800	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
2	Claude Fable 5.2	記載なし	1,785	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
3	GPT-6 Astra	記載なし	1,569	—	—	記載なし	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

知識AA-Briefcase v1.1(rubric)

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	記載なし	66.1%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
2	Claude Opus 5.5	記載なし	61.2%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
3	GPT-6 Astra	記載なし	52.0%	—	—	記載なし	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

知識Remote Labor Index(RLI)

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	High	41.3%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
2	Claude Opus 5.5	記載なし	21.3%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
3	GPT-6 Astra	記載なし	20.8%	—	—	記載なし	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

知識HealthBench Professional(長さ調整スコア)

公式の結果(GPT-6 Astra System Card (Table 6. HealthBench Evaluations))

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	GPT-6 Astra	記載なし	64.7	—	—	OpenAI	GPT-6 Astra System Card (Table 6. HealthBench Evaluations)2026-11-12 取得

知識HealthBench Hard(長さ調整スコア)

公式の結果(GPT-6 Astra System Card (Table 6. HealthBench Evaluations))

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	GPT-6 Astra	記載なし	36.6	—	—	OpenAI	GPT-6 Astra System Card (Table 6. HealthBench Evaluations)2026-11-12 取得

知識SimpleQA Verified

第三者の結果(Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.0)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	Max	94.0%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.02026-11-12 取得
2	GPT-6 Astra	Max	75.6%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.02026-11-12 取得
3	GPT-6.1 Sol	Max	73.9%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.02026-11-12 取得
4	Claude Opus 5.5	Max	72.2%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.02026-11-12 取得
5	GPT-6.1 Terra	Max	57.3%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.02026-11-12 取得
6	Claude Sonnet 5.5	Max	46.5%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.02026-11-12 取得
7	GPT-6 Luna	Max	41.4%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.02026-11-12 取得
8	Claude Haiku 5.5	Max	23.8%	—	—	Epoch AI	Epoch AI, Capabilities & benchmarking (benchmark_data.zip, simpleqa_verified.csv) CC BY 4.02026-11-12 取得

マルチモーダルChartography(ツールあり)

公式の結果(Introducing Claude Opus 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	Max	89.0%	—	—	Anthropic	Introducing Claude Opus 5.52026-11-12 取得

マルチモーダルChartography(ツールなし)

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	Max	73.4%	$0.75Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
2	Claude Fable 5.2	Xhigh	71.4%	$0.15Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
3	GPT-6 Astra	記載なし	71.0%	—	—	記載なし	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
4	Claude Fable 5.2	High	69.8%	$0.07Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
5	Claude Fable 5.2	Med	66.4%	$0.03Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
6	Claude Opus 5.5	Max	64.4%	$0.49Cost per attempt	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
7	Claude Fable 5.2	Low	64.2%	$0.03Cost per attempt	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
8	Claude Opus 5.5	Xhigh	62.4%	$0.08Cost per attempt	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
9	Claude Opus 5.5	High	59.2%	$0.03Cost per attempt	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
10	Claude Opus 5.5	Med	59.0%	$0.03Cost per attempt	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
11	Claude Opus 5.5	Low	57.0%	$0.02Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

公式の結果(Introducing Claude Sonnet 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	記載なし	64.4%	—	—	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
2	Claude Sonnet 5.5	記載なし	61.6%	—	—	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得

公式の結果(Introducing Claude Haiku 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Sonnet 5.5	記載なし	61.6%	—	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
2	Claude Haiku 5.5	記載なし	46.4%	—	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
3	GPT-6 Luna	記載なし	29.1%	—	—	記載なし	Introducing Claude Haiku 5.52026-11-12 取得

ツール利用AutomationBench

公式の結果(Introducing Claude Opus 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	GPT-6 Astra	Max	41.4%	$1.77Cost per task	前線	Zapier	Introducing Claude Opus 5.52026-11-12 取得
2	Claude Opus 5.5	Max	40.0%	$1.37Cost per task	前線	Zapier	Introducing Claude Opus 5.52026-11-12 取得
3	GPT-6 Astra	Xhigh	39.0%	$1.53Cost per task	—	Zapier	Introducing Claude Opus 5.52026-11-12 取得
4	GPT-6 Astra	High	37.1%	$1.45Cost per task	—	Zapier	Introducing Claude Opus 5.52026-11-12 取得
5	Claude Opus 5.5	Xhigh	34.4%	$0.86Cost per task	前線	Zapier	Introducing Claude Opus 5.52026-11-12 取得
6	GPT-6 Astra	Med	34.1%	$1.28Cost per task	—	Zapier	Introducing Claude Opus 5.52026-11-12 取得
7	Claude Opus 5.5	High	32.0%	$0.70Cost per task	前線	Zapier	Introducing Claude Opus 5.52026-11-12 取得
8	GPT-6 Astra	Low	30.3%	$1.08Cost per task	—	Zapier	Introducing Claude Opus 5.52026-11-12 取得
9	Claude Opus 5.5	Med	28.6%	$0.64Cost per task	前線	Zapier	Introducing Claude Opus 5.52026-11-12 取得
10	Claude Opus 5.5	Low	23.3%	$0.50Cost per task	前線	Zapier	Introducing Claude Opus 5.52026-11-12 取得

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	記載なし	51.4%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
2	Claude Opus 5.5	記載なし	42.5%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
3	GPT-6 Astra	記載なし	41.4%	—	—	記載なし	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

ツール利用WANDR

公式の結果(Introducing Claude Opus 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	Max	72.3%	$37.92Cost per attempt	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
2	Claude Opus 5.5	Xhigh	71.3%	$29.06Cost per attempt	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
3	Claude Opus 5.5	High	67.3%	$16.88Cost per attempt	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
4	Claude Opus 5.5	Med	62.8%	$11.20Cost per attempt	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得
5	Claude Opus 5.5	Low	31.2%	$1.20Cost per attempt	前線	Anthropic	Introducing Claude Opus 5.52026-11-12 取得

ツール利用WANDR(relaxed score)

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	Max	82.1%	$53.11Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
2	Claude Fable 5.2	Xhigh	80.6%	$39.84Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
3	Claude Fable 5.2	High	79.3%	$29.20Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
4	Claude Fable 5.2	Med	73.6%	$15.71Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
5	Claude Opus 5.5	Max	72.3%	$38.68Cost per attempt	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
6	Claude Fable 5.2	Low	71.4%	$12.66Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
7	Claude Opus 5.5	Xhigh	71.3%	$29.25Cost per attempt	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
8	Claude Opus 5.5	High	67.3%	$17.31Cost per attempt	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
9	Claude Opus 5.5	Med	62.8%	$11.40Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
10	Claude Opus 5.5	Low	31.2%	$1.25Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

コンピュータ操作OSWorld 2.1(partial)

公式の結果(Introducing Claude Opus 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	Max	81.8%	—	—	Anthropic	Introducing Claude Opus 5.52026-11-12 取得

公式の結果(Introducing Claude Sonnet 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	記載なし	81.8%	—	—	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得
2	Claude Sonnet 5.5	記載なし	80.1%	—	—	Anthropic	Introducing Claude Sonnet 5.52026-11-12 取得

コンピュータ操作OSWorld 2.1(offline subset)

公式の結果(Introducing Claude Haiku 5.5)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Sonnet 5.5	Max	83.9%	$5.73Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
2	Claude Sonnet 5.5	Xhigh	81.1%	$2.22Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
3	Claude Sonnet 5.5	High	73.2%	$1.38Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
4	Claude Haiku 5.5	Max	72.4%	$0.61Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
5	Claude Haiku 5.5	Xhigh	67.6%	$0.28Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
6	Claude Sonnet 5.5	Med	66.0%	$0.93Cost per attempt	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
7	Claude Haiku 5.5	High	61.3%	$0.18Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
8	Claude Sonnet 5.5	Low	57.9%	$0.68Cost per attempt	—	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
9	Claude Haiku 5.5	Med	53.3%	$0.13Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
10	GPT-6 Luna	Max	48.9%	$0.20Cost per attempt	—	記載なし	Introducing Claude Haiku 5.52026-11-12 取得
11	GPT-6 Luna	Xhigh	44.8%	$0.17Cost per attempt	—	記載なし	Introducing Claude Haiku 5.52026-11-12 取得
12	GPT-6 Luna	High	42.3%	$0.14Cost per attempt	—	記載なし	Introducing Claude Haiku 5.52026-11-12 取得
13	Claude Haiku 5.5	Low	42.0%	$0.07Cost per attempt	前線	Anthropic	Introducing Claude Haiku 5.52026-11-12 取得
14	GPT-6 Luna	Med	37.5%	$0.13Cost per attempt	—	記載なし	Introducing Claude Haiku 5.52026-11-12 取得
15	GPT-6 Luna	Low	19.2%	$0.04Cost per attempt	前線	記載なし	Introducing Claude Haiku 5.52026-11-12 取得

コンピュータ操作OSWorld 2.1(offline set・partial)

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	記載なし	89.3%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
2	Claude Opus 5.5	記載なし	87.2%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
3	GPT-6 Astra	記載なし	79.5%	—	—	記載なし	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

文章LMArena Text(style control・overall)

第三者の結果(lmarena-ai/leaderboard-dataset text_style_control/latest-00000-of-00001.parquet (CC BY 4.0))

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	High	1,506	—	—	LMArena	lmarena-ai/leaderboard-dataset text_style_control/latest-00000-of-00001.parquet (CC BY 4.0)2026-11-12 取得
2	GPT-6.1 Sol	Max	1,482	—	—	LMArena	lmarena-ai/leaderboard-dataset text_style_control/latest-00000-of-00001.parquet (CC BY 4.0)2026-11-12 取得
3	GPT-6 Astra	Max	1,474	—	—	LMArena	lmarena-ai/leaderboard-dataset text_style_control/latest-00000-of-00001.parquet (CC BY 4.0)2026-11-12 取得
4	Claude Sonnet 5.5	Xhigh	1,473	—	—	LMArena	lmarena-ai/leaderboard-dataset text_style_control/latest-00000-of-00001.parquet (CC BY 4.0)2026-11-12 取得
5	GPT-6 Luna	Max	1,441	—	—	LMArena	lmarena-ai/leaderboard-dataset text_style_control/latest-00000-of-00001.parquet (CC BY 4.0)2026-11-12 取得
6	Claude Haiku 5.5	High	1,422	—	—	LMArena	lmarena-ai/leaderboard-dataset text_style_control/latest-00000-of-00001.parquet (CC BY 4.0)2026-11-12 取得

その他BenchCAD 2.1(ツールあり)

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	Max	83.5	$50.77Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
2	Claude Fable 5.2	Xhigh	74.1	$23.23Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
3	Claude Opus 5.5	Max	65.3	$19.86Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
4	Claude Fable 5.2	High	61	$9.99Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
5	Claude Opus 5.5	Xhigh	54.5	$8.91Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
6	Claude Fable 5.2	Med	32.4	$2.66Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
7	Claude Opus 5.5	High	29.7	$2.57Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
8	Claude Fable 5.2	Low	26.9	$1.89Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
9	Claude Opus 5.5	Med	19.1	$1.11Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
10	Claude Opus 5.5	Low	6.3	$0.03Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

その他CVE Rediscovery

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	Max	81.3%	$2.98Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
2	Claude Opus 5.5	Xhigh	76.4%	$1.05Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
3	Claude Opus 5.5	High	70.0%	$0.43Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
4	Claude Opus 5.5	Med	66.1%	$0.28Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
5	Claude Opus 5.5	Low	59.4%	$0.11Cost per attempt	前線	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

その他CyScenarioBench

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	記載なし	67.6%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

その他De novo binder design(24 時間)

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Opus 5.5	記載なし	82.6	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

その他RoboDojo Sim

公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	記載なし	64.9%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
2	Claude Opus 5.5	記載なし	39.4%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得
3	GPT-6 Astra	記載なし	29.8%	—	—	Anthropic	Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得

その他Epoch Capabilities Index(ECI)

第三者の結果(Epoch AI, epoch_capabilities_index/eci_scores.csv (CC BY 4.0))

順位	モデル	effort	スコア	出典のコスト(指標)	前線	計測・報告	出典
1	Claude Fable 5.2	記載なし	173.44	—	—	Epoch AI	Epoch AI, epoch_capabilities_index/eci_scores.csv (CC BY 4.0)2026-11-12 取得
2	GPT-6 Astra	記載なし	169	—	—	Epoch AI	Epoch AI, epoch_capabilities_index/eci_scores.csv (CC BY 4.0)2026-11-12 取得
3	Claude Opus 5.5	記載なし	168.54	—	—	Epoch AI	Epoch AI, epoch_capabilities_index/eci_scores.csv (CC BY 4.0)2026-11-12 取得
4	GPT-6.1 Sol	記載なし	168.48	—	—	Epoch AI	Epoch AI, epoch_capabilities_index/eci_scores.csv (CC BY 4.0)2026-11-12 取得
5	GPT-6.1 Terra	記載なし	167.67	—	—	Epoch AI	Epoch AI, epoch_capabilities_index/eci_scores.csv (CC BY 4.0)2026-11-12 取得
6	Claude Sonnet 5.5	記載なし	166.56	—	—	Epoch AI	Epoch AI, epoch_capabilities_index/eci_scores.csv (CC BY 4.0)2026-11-12 取得
7	Claude Haiku 5.5	記載なし	160.43	—	—	Epoch AI	Epoch AI, epoch_capabilities_index/eci_scores.csv (CC BY 4.0)2026-11-12 取得
8	GPT-6 Luna	記載なし	156.41	—	—	Epoch AI	Epoch AI, epoch_capabilities_index/eci_scores.csv (CC BY 4.0)2026-11-12 取得