評価のソース公式の評価
EBR-bench
Epoch AI / 専門業務 · 長いタスクで新しいルールを学び、記憶を使う
Karu News での扱い参考のみ
証拠の予算点数に使いません
元データの時刻9/30（水） 03:13
直近の同期10/7（水） 08:05
何を、どう測るか
公開の集計は、記憶圧縮の構成が混ざっています。固定した構成の比較できる成績が得られるまでは、参考にとどめます。
この証拠の使い方
参考のみで、総合と分類のスコアには入れません。
評価の成績
固定のルールで、公開モデルごとに代表となる構成を 1 つ採用しています。匿名のテスト用モデルは表示せず、元のランキングの順位を保ち、1 項目につき最大 30 件です。
| 元の順位 | 元の型番 | 元の成績 | 代表の設定 |
|---|---|---|---|
| 1 | gpt-6-astra_maxOpenAI | 76.2% | Max 推論 |
| 2 | claude-opus-5-5_maxAnthropic | 71.4% | Max 推論 |
| 3 | claude-fable-5-1_maxAnthropic | 57.1% | Max 推論 |
| 4 | gpt-6.1-sol_maxopenai | 54.3% | Max 推論 |
| 5 | gpt-6-sol_maxOpenAI | 53.3% | Max 推論 |
| 6 | claude-opus-5_maxAnthropic | 45.7% | Max 推論 |
| 7 | gpt-5.6-sol_maxOpenAI | 44.8% | Max 推論 |
| 8 | claude-fable-5_maxAnthropic | 39.5% | Max 推論 |
| 9 | gpt-5.5_xhighOpenAI | 34.3% | xHigh 推論 |
| 10 | grok-4.6_xhighxAI | 30.5% | xHigh 推論 |
| 11 | claude-opus-4-8_maxAnthropic | 28.6% | Max 推論 |
| 12 | gpt-5.4-2026-03-05_xhighOpenAI | 25.4% | xHigh 推論 |
| 13 | gpt-5.2-2025-12-11_xhighOpenAI | 23.0% | xHigh 推論 |
| 14 | claude-opus-4-7_maxAnthropic | 19.0% | Max 推論 |
| 15 | gemini-3.1-pro-previewGoogle | 14.3% | 出典のデフォルト構成 |
| 15 | claude-opus-4-5-20251101_128KAnthropic | 14.3% | 出典のデフォルト構成 · 128k |
| 17 | claude-opus-4-6_maxAnthropic | 12.7% | Max 推論 |
| 17 | gpt-5-2025-08-07_highOpenAI | 12.7% | High 推論 |
| 19 | qwen3.7-maxAlibaba | 9.5% | 出典のデフォルト構成 |
| 19 | glm-5.2_maxZ.ai | 9.5% | Max 推論 |
| 21 | claude-opus-4-1-20250805Anthropic | 7.9% | 出典のデフォルト構成 |
| 22 | gemini-3.5-flash_highGoogle | 4.8% | High 推論 |
| 23 | kimi-k2.6Moonshot AI | 2.4% | 出典のデフォルト構成 |
| 23 | claude-sonnet-4-5-20250929Anthropic | 2.4% | 出典のデフォルト構成 |
評価の限界と、データの帰属
参考のみで、総合と分類のスコアには入れません。
データのライセンス：CC BY 4.0 · Epoch AI が自ら評価したデータです。
成績は Epoch AI が公表したものです。元のスコアと Karu News の総合スコアは尺度が異なるため、足し合わせられません。