モデル
チャット
比較
アプリ
ランキング
ドキュメント
公開データの正確性にご協力ください
不足、誤り、古い情報がありましたら、このページについてお知らせください。
データの問題を報告
OfficeQA
OfficeQA
AIベンチマーク結果とモデルの性能
概要
▼
概要
▼
種類: percentage
Professional
ベンチマークの出典を見る
記録された結果
4
平均スコア
70.45%
スコアの範囲
54.10% - 86.30%
最上位モデル
86.30% - Claude Opus 4.7
スコアの推移
日付ごとの個別ベンチマークスコアです。
モデル結果
組織
モデル
報告日
最高スコア
情報
自己申告
出典
Anthropic
Claude Opus 4.7
2026年4月16日
86.30%
-
はい
出典
Anthropic
Claude Sonnet 5
2026年6月30日
73.30%
Exact-match accuracy on Anthropic internal agentic harness; mean of five trials
はい
出典
OpenAI
GPT 5.4
2026年3月05日
68.10%
-
はい
出典
OpenAI
GPT 5.5
2026年4月23日
54.10%
Pro
はい
出典
問題を報告
検索
検索 Phaseo
Ctrl K
アカウントを作成
アカウントを作成