Mystery Game Puzzles

Name: Mystery Game Puzzles
Creator: Epoch AI

Epoch AI / 推論 · 見知らぬルールから、正しい行動を導く

Karu News での扱い順位に反映

証拠の予算1.2%

元データの時刻9/30（水） 07:00

直近の同期10/7（水） 08:05

何を、どう測るか

Epoch の標準プロトコルの mean_score だけを使います。問題が非公開であるという制約は、明確に残します。

正式に採点します。同じ問題ファミリーは固定の予算を共有します。

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	84.0%	Max 推論
2	gpt-6.1-sol_maxopenai	80.0%	Max 推論
3	claude-opus-5-5_maxAnthropic	71.0%	Max 推論
4	claude-sonnet-5-5_maxanthropic	65.0%	Max 推論
5	claude-opus-5_maxAnthropic	59.0%	Max 推論
6	claude-fable-5-1_maxAnthropic	58.0%	Max 推論
6	gpt-5.6-sol_maxOpenAI	58.0%	Max 推論
8	gpt-6-sol_maxOpenAI	56.0%	Max 推論
8	gpt-5.5_xhighOpenAI	56.0%	xHigh 推論
10	claude-fable-5_maxAnthropic	52.0%	Max 推論
12	gemini-3.8-flash_highGoogle	47.0%	High 推論
13	deepseek-v4-pro-0813_maxDeepSeek	43.0%	Max 推論
14	qwen3.8-max_xhighAlibaba	38.0%	xHigh 推論
15	gpt-5.4-2026-03-05_xhighOpenAI	37.0%	xHigh 推論
15	gemini-3.7-flash_highGoogle	37.0%	High 推論
18	claude-opus-4-8_maxAnthropic	36.0%	Max 推論
19	claude-sonnet-5_maxAnthropic	35.0%	Max 推論
19	gpt-5.6-terra_maxOpenAI	35.0%	Max 推論
21	gemini-3.1-pro-preview_highGoogle	34.0%	High 推論
21	grok-4.6_xhighxAI	34.0%	xHigh 推論
21	deepseek-v4-flash-0731_maxDeepSeek	34.0%	Max 推論
24	glm-5.3_maxZ.ai	33.0%	Max 推論
26	gemini-3.5-flash_highGoogle	32.0%	High 推論
26	qwen3.7-maxAlibaba	32.0%	出典のデフォルト構成
30	gemini-3.6-flash_highGoogle	30.0%	High 推論
31	o3-2025-04-16_highOpenAI	29.0%	High 推論
31	grok-4.7_xhighxAI	29.0%	xHigh 推論
34	claude-opus-4-7_maxAnthropic	28.0%	Max 推論
38	kimi-k3_maxMoonshot AI	26.0%	Max 推論
42	muse-spark-1.3_maxMeta	25.0%	Max 推論

評価の限界と、データの帰属

正式に採点します。同じ問題ファミリーは固定の予算を共有します。

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。