BenchLeader

CritPtのリーダーボード

2026年11月16日時点で、CritPtの最高スコアは35.7%で、Claude Fable 5.2(Anthropic)が記録しています。次点はMuse Wonder Fullの32.9%です。公表された結果があるのは579のモデル構成です(Artificial Analysis、結果の日付は2026年11月9日)。CritPtは、答えを知っている研究者が作成した、博士課程の最初の研究プロジェクトに相当するレベルの未発表の物理学研究問題をモデルに出します。CritPtは参考として掲載しており、BenchLeader Indexには含まれません。

要点(2026年11月16日時点)

  • Claude Fable 5.2がCritPtの最高スコア35.7%を記録しています(Artificial Analysis、2026年11月9日)。
  • CritPtの2位はMuse Wonder Fullで、32.9%です(Artificial Analysis、2026年10月12日)。
  • CritPt:博士課程の最初の研究プロジェクトに相当する、未公開の物理学の研究課題。Artificial Analysisが実施。BenchLeader Indexでは、Index v5の難問サブセットに置き換えられました(Artificial Analysis)。
  • BenchLeaderでは579のモデル構成にCritPtの公表結果があります(BenchLeader、2026年11月16日)。
  • CritPtはBenchLeader Indexには反映されず、参考として掲載しています(BenchLeaderの評価方法)。

博士課程の最初の研究プロジェクトに相当する、未公開の物理学の研究課題。Artificial Analysisが実施。BenchLeader Indexでは、Index v5の難問サブセットに置き換えられました。

公開元
Artificial Analysis
カテゴリ
推論
Indexでの重み
参考のみ
モデル
579
データ基準日
2026年11月16日

Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.

このボードは更新を終えています。同じ名前は現在、別の新しいテストに使われており、そのスコアはCritPt v2 hard subset (AA)にあります。

どんなテストか

CritPtは、答えを知っている研究者が作成した、博士課程の最初の研究プロジェクトに相当するレベルの未発表の物理学研究問題をモデルに出します。

採点方法

正答率で、Artificial Analysisが実行しています。

注意点

このボード全体は記録として残しています。BenchLeader Indexでは代わりにCritPt v2 hardサブセット(Intelligence Index v5で使われる部分)を使い、同じ分野を二重に数えないようにしています。

579件中579件
#
1NEWClaude Fable 5.2xhigh35.7%69.72026-11-09
2NEWClaude Fable 5.2max35.4%72.72026-11-09
3NEWClaude Fable 5.2high32.9%68.42026-11-09
4Muse Wonder Fullmax32.9%61.72026-10-12
5GPT-5.6 Solmax32.3%65.32026-07-09
6Claude Opus 5.5max31.7%68.42026-09-22
7GPT-6 Astramax31.7%67.32026-09-03
8GPT-6.1 Solmax31.7%66.62026-09-29
9Claude Opus 5.5xhigh31.7%65.42026-09-22
10GPT-6.1 Solxhigh31.7%63.62026-09-29
11GPT-6 Astraxhigh31.4%66.02026-09-03
12Claude Sonnet 5.5max31.4%64.22026-09-28
13Claude Fable 5.1xhigh31.1%64.62026-09-01
14Claude Sonnet 5.5xhigh31.1%62.52026-09-28
15NEWClaude Fable 5.2medium30.9%66.32026-11-09
16Claude Opus 5.5high30.9%66.02026-09-22
17GPT-6 Solmax30.9%62.62026-09-22
18GPT-5.5 Proxhigh30.6%–2026-04-23
19Claude Fable 5.1high30.3%63.72026-09-01
20GPT-6.1 Solhigh30.0%63.42026-09-29
21GPT-5.6 Terramax30.0%59.52026-07-09
22GPT-5.4 Proxhigh30.0%59.52026-03-05
23Claude Fable 5.1max29.7%66.72026-09-01
24NEWClaude Fable 5.2low29.4%65.32026-11-09
25Claude Opus 5max29.1%65.02026-07-24
26GPT-6 Astramedium29.1%64.42026-09-03
27Claude Fable 5.1medium29.1%61.72026-09-01
28GPT-6 Astrahigh28.9%66.32026-09-03
29Claude Fable 5max28.6%65.12026-06-09
30GPT-5.6 Solxhigh28.6%63.92026-07-09
31Claude Opus 5high28.3%64.42026-07-24
32Muse Wondermax28.3%60.82026-10-12
33GPT-6.1 Terramax28.0%64.12026-10-26
34GPT-6 Solxhigh28.0%58.42026-09-22
35GPT-6.1 Solmedium27.7%62.72026-09-29
36Claude Opus 5.5medium27.7%61.22026-09-22
37Claude Opus 5xhigh27.7%60.12026-07-24
38Claude Fable 5.1low27.7%58.82026-09-01
39Gemini 4 Argonhigh27.1%65.32026-09-30
40GPT-5.5xhigh27.1%64.12026-04-23
41GPT-5.6 Terraxhigh27.1%60.12026-07-09
42Claude Opus 5medium26.9%57.52026-07-24
43GPT-6.1 Terraxhigh26.6%60.02026-10-26
44MiMo-V2.6-Pro26.6%57.52026-09-21
45GPT-6 Astralow26.3%62.02026-09-03
46Muse Spark 1.3xhigh26.0%58.12026-09-02
47Ling 3.1 Flash26.0%50.82026-10-22
48GPT-5.6 Solhigh25.7%63.42026-07-09
49GPT-6.1 Terrahigh25.7%59.62026-10-26
50Gemini 3 Deep Thinkthinking25.7%–2026-02-05
51GPT-5.5high25.4%63.52026-04-23
52GPT-6 Solhigh25.4%58.12026-09-22
53Muse Spark 1.3max24.9%60.62026-09-02
54GPT-6.1 Sollow24.9%60.02026-09-29
55Kimi K3.1 Pro24.6%61.82026-10-23
56Claude Sonnet 5.5high24.6%59.52026-09-28
57GPT-6 Solmedium24.6%56.92026-09-22
58DeepSeek V4.1 Flash 1017max24.0%57.72026-10-17
59GPT-5.4xhigh23.4%63.12026-03-05
60Kimi K3max23.4%60.22026-07-16

推論のベンチマークをもっと見る · LLMベンチマーク一覧

引用表記:BenchLeader「CritPtのリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/aa_critpt

CritPt:よくある質問

CritPtは何を測るベンチマークですか?
CritPtは、答えを知っている研究者が作成した、博士課程の最初の研究プロジェクトに相当するレベルの未発表の物理学研究問題をモデルに出します。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
CritPtの最高スコアは?
2026年11月16日時点で、CritPtの最高スコアは35.7%で、Claude Fable 5.2が記録しています(結果の日付は2026年11月9日)。次点はMuse Wonder Fullの32.9%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
CritPtでトップのAIモデルは?
2026年11月16日時点で、CritPtの首位はClaude Fable 5.2で、スコアは35.7%です(結果の日付は2026年11月9日)。続いてMuse Wonder Full(32.9%)です。
CritPtの結果があるモデルはいくつですか?
BenchLeaderでは579のモデル構成にCritPtの結果があり、すべてArtificial Analysisから取得しています。
CritPtを運営しているのは誰で、どのくらいの頻度で更新されますか?
CritPtはArtificial Analysisが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
CritPtはBenchLeader Indexに含まれますか?
いいえ。CritPtは参考として掲載していますが、総合スコアには含めていません。