TapTap Maker Benchmark

Name: TapTap Maker Benchmark
Creator: TapTap Maker

TapTap Maker / コーディング · 実際のゲームエンジン上で、Lua で動く機能を書きます。スコアはエンジンの実行で判定し、別のモデルによる採点は使いません。

Karu News での扱い順位に反映

証拠の予算3.6%

元データの時刻9/10（木） 09:00

直近の同期10/7（水） 08:05

何を、どう測るか

公式 main_board の L2 通過率だけを使います。コスト、速度、Held-out、分類別のスコアは再び票にしません。同じ基礎モデルは、固定した推論段階の優先順位で代表行を選び、選択にスコアは見ません。

コーディングとデザインの予算のうち 3.6% です。エンジンと L2 指標を固定します。

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	claude-fable-5-1Anthropic	90.5%	High 推論
2	claude-fable-5Anthropic	89.0%	High 推論
3	gpt-6-astraOpenAI	88.9%	xHigh 推論
4	claude-opus-5Anthropic	88.9%	xHigh 推論
6	grok-4.6@xhighxAI	87.3%	xHigh 推論
7	gemini-3.8-flashGoogle	86.8%	High 推論
8	gpt-5.6-solOpenAI	86.5%	xHigh 推論
11	glm-5.3Z.ai	83.6%	Max 推論
12	qwen3.8-max-0902Alibaba	83.3%	xHigh 推論
13	claude-opus-4-8Anthropic	82.8%	xHigh 推論
14	qwen3.8-maxAlibaba	82.5%	xHigh 推論
15	deepseek-v4.1-flashDeepSeek	82.5%	Max 推論
16	qwen3.8-flashAlibaba	82.5%	xHigh 推論
17	gpt-5.6-terraOpenAI	81.8%	xHigh 推論
18	glm-5.3-flashZ.ai	81.5%	Max 推論
19	hy4-previewTencent	81.0%	High 推論
20	kimi-k3Moonshot AI	79.7%	出典のデフォルト構成
21	grok-4.5xAI	78.3%	High 推論
22	doubao-seed-evolvingByteDance	78.3%	High 推論
23	gpt-5.6-lunaOpenAI	77.8%	xHigh 推論
24	deepseek-v4-proDeepSeek	77.8%	出典のデフォルト構成
25	claude-sonnet-5Anthropic	76.2%	xHigh 推論
27	deepseek-v4-flashDeepSeek	74.6%	Max 推論
28	qwen3.8-27bAlibaba	68.3%	xHigh 推論
29	gemini-3.1-pro-previewGoogle	64.7%	出典のデフォルト構成
30	MiniMax-M3MiniMax	60.1%	出典のデフォルト構成
31	claude-haiku-4-5Anthropic	43.6%	High 推論

評価の限界と、データの帰属

単一のエンジンと単一の言語なので、ほかの技術スタックには広げられません。モデルによって異なる agent で動かしている可能性があります。非公開の harness は問題ごとに再計算できません。

データのライセンス：公式が結果を公開しています。公開して再表示するときは公式のクレジット表記を残し、完全な再配布の許諾は易玩／TapTap の規約に従います。

成績は TapTap Maker 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。