AIベンチマーク結果とモデルの性能
日付ごとの個別ベンチマークスコアです。
| 組織 | モデル | 報告日 | 最高スコア | 情報 | 自己申告 | 出典 |
|---|---|---|---|---|---|---|
| DeepSeek V4.1 Flash | 2026年9月10日 | 88.10% | Instruct model; reasoning_effort=100; Pass@1 | はい | 出典 | |
| Claude Mythos Preview | 2026年4月07日 | 83.10% | Vulnerability reproduction | はい | 出典 | |
| GPT 5.5 | 2026年4月23日 | 81.80% | - | はい | 出典 | |
| GPT 5.3 Codex | 2026年2月05日 | 77.60% | Cybersecurity Capture The Flag Challenges; xhigh reasoning | はい | 出典 | |
| DeepSeek V4 Flash 0731 | 2026年7月31日 | 76.70% | DeepSeek-V4-Flash-0731 | はい | 出典 | |
| Claude Opus 4.7 | 2026年4月16日 | 73.10% | Vulnerability reproduction | はい | 出典 | |
| GLM 5.1 | 2026年4月07日 | 68.70% | - | はい | 出典 | |
| Claude Opus 4.6 | 2026年2月05日 | 66.60% | - | はい | 出典 | |
| Kimi K2.5 | 2026年1月27日 | 41.30% | - | はい | 出典 |