CritPt v2 hard subset (AA)のリーダーボード
2026年11月16日時点で、CritPt v2 hard subset (AA)の最高スコアは76.5%で、Claude Fable 5.2(Anthropic)が記録しています。次点はGPT-6 Astraの72.0%です。公表された結果があるのは135のモデル構成です(Artificial Analysis、結果の日付は2026年11月9日)。CritPt v2 hardサブセットは、CritPt v2に含まれる非公開の物理学研究問題40問で、Artificial AnalysisのIntelligence Index v5で使われています。コード実行ツールを利用できます。CritPt v2 hard subset (AA)はBenchLeader Indexの推論スコアに反映されます。
要点(2026年11月16日時点)
- Claude Fable 5.2がCritPt v2 hard subset (AA)の最高スコア76.5%を記録しています(Artificial Analysis、2026年11月9日)。
- CritPt v2 hard subset (AA)の2位はGPT-6 Astraで、72.0%です(Artificial Analysis、2026年9月3日)。
- CritPt v2 hard subset (AA):CritPt v2の非公開の難問40問。コード実行ツール付きで、Intelligence Index v5で使用。Artificial Analysisが実施(Artificial Analysis)。
- BenchLeaderでは135のモデル構成にCritPt v2 hard subset (AA)の公表結果があります(BenchLeader、2026年11月16日)。
- CritPt v2 hard subset (AA)はBenchLeader Indexの推論カテゴリに反映されます(BenchLeaderの評価方法)。
CritPt v2の非公開の難問40問。コード実行ツール付きで、Intelligence Index v5で使用。Artificial Analysisが実施。
- カテゴリ
- 推論
- Indexでの重み
- 1.0
- モデル
- 135
- データ基準日
- 2026年11月16日
Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.
同じ名前の以前のテストとは比較できません。以前のテストの最終スコアはCritPtに残しています。
どんなテストか
CritPt v2 hardサブセットは、CritPt v2に含まれる非公開の物理学研究問題40問で、Artificial AnalysisのIntelligence Index v5で使われています。コード実行ツールを利用できます。
採点方法
正答率で、Artificial Analysisが実行しています。
注意点
非公開の難問サブセットで、Artificial Analysisが別途公表しているCritPt全体のボードとは別物です。BenchLeader Indexに反映しているCritPtの結果はこちらです。
- 1Claude Fable 5.2 (max)76.5%
- 2Claude Fable 5.2 (xhigh)73.5%
- 3Claude Fable 5.2 (high)73.0%
- 4GPT-6 Astra (medium)72.0%
- 5GPT-6 Astra (high)71.5%
- 6GPT-6 Astra (xhigh)71.0%
- 7GPT-6 Astra (max)70.5%
- 8GPT-6.1 Sol (max)69.5%
- 9GPT-6.1 Sol (xhigh)69.5%
- 10Gemini 4 Carbon (high)69.0%
- 11Gemini 4 Carbon (medium)69.0%
- 12GPT-6.1 Sol (high)68.5%
- 13Claude Opus 5.5 (max)68.0%
- 14GPT-6.1 Terra (max)68.0%
- 15Claude Opus 5.5 (xhigh)67.5%
| # | ||||
|---|---|---|---|---|
| 1 | NEW | 76.5% | 72.7 | 2026-11-09 |
| 2 | NEW | 73.5% | 69.7 | 2026-11-09 |
| 3 | NEW | 73.0% | 68.4 | 2026-11-09 |
| 4 | 72.0% | 64.4 | 2026-09-03 | |
| 5 | 71.5% | 66.3 | 2026-09-03 | |
| 6 | 71.0% | 66.0 | 2026-09-03 | |
| 7 | 70.5% | 67.3 | 2026-09-03 | |
| 8 | 69.5% | 66.6 | 2026-09-29 | |
| 9 | 69.5% | 63.6 | 2026-09-29 | |
| 10 | 69.0% | 68.9 | 2026-10-28 | |
| 11 | 69.0% | 65.8 | 2026-10-28 | |
| 12 | 68.5% | 63.4 | 2026-09-29 | |
| 13 | 68.0% | 68.4 | 2026-09-22 | |
| 14 | 68.0% | 64.1 | 2026-10-26 | |
| 15 | 67.5% | 65.4 | 2026-09-22 | |
| 16 | 67.0% | 62.7 | 2026-09-29 | |
| 17 | 66.5% | 62.6 | 2026-09-22 | |
| 18 | NEW | 66.0% | 61.8 | 2026-11-12 |
| 19 | 65.0% | 60.1 | 2026-10-28 | |
| 20 | 63.0% | 62.0 | 2026-09-03 | |
| 21 | 62.5% | 60.0 | 2026-09-29 | |
| 22 | 62.0% | 63.7 | 2026-09-01 | |
| 23 | NEW | 61.5% | 66.3 | 2026-11-09 |
| 24 | NEW | 61.5% | 63.4 | 2026-11-12 |
| 25 | 61.5% | 59.6 | 2026-10-26 | |
| 26 | NEW | 61.0% | – | 2026-11-12 |
| 27 | 60.5% | 60.0 | 2026-10-26 | |
| 28 | 60.0% | 65.3 | 2026-07-09 | |
| 29 | NEW | 60.0% | 65.3 | 2026-11-09 |
| 30 | 60.0% | 64.6 | 2026-09-01 | |
| 31 | 59.5% | 66.0 | 2026-09-22 | |
| 32 | 59.0% | 64.2 | 2026-09-28 | |
| 33 | 58.5% | 61.7 | 2026-09-01 | |
| 34 | 57.5% | 62.5 | 2026-09-28 | |
| 35 | 56.5% | 61.7 | 2026-10-12 | |
| 36 | 56.5% | 58.5 | 2026-10-26 | |
| 37 | 54.0% | 61.2 | 2026-09-22 | |
| 38 | 53.5% | 61.6 | 2026-09-30 | |
| 39 | 52.5% | 66.7 | 2026-09-01 | |
| 40 | 52.5% | 65.3 | 2026-09-30 | |
| 41 | 51.5% | 59.5 | 2026-09-28 | |
| 42 | 51.0% | 56.2 | 2026-10-12 | |
| 43 | 50.5% | 60.8 | 2026-10-12 | |
| 44 | 50.5% | 59.5 | 2026-07-09 | |
| 45 | 50.5% | 56.6 | 2026-10-26 | |
| 46 | 50.0% | 65.0 | 2026-07-24 | |
| 47 | 49.5% | 61.8 | 2026-10-23 | |
| 48 | 49.5% | 58.8 | 2026-09-01 | |
| 49 | 48.0% | 60.6 | 2026-09-02 | |
| 50 | NEW | 48.0% | – | 2026-11-12 |
| 51 | 47.5% | 56.7 | 2026-10-07 | |
| 52 | 46.5% | 59.4 | 2026-09-02 | |
| 53 | 45.0% | 60.2 | 2026-09-02 | |
| 54 | 45.0% | 55.3 | 2026-10-07 | |
| 55 | 43.5% | 55.4 | 2026-09-21 | |
| 56 | 43.5% | 55.3 | 2026-10-07 | |
| 57 | 42.5% | 55.1 | 2026-09-22 | |
| 58 | 40.5% | 60.2 | 2026-07-16 | |
| 59 | 40.0% | 56.1 | 2026-08-12 | |
| 60 | 39.0% | 56.7 | 2026-11-03 |
関連するベンチマーク
CritPt v2 hard subset (AA)での注目のモデル比較
引用表記:BenchLeader「CritPt v2 hard subset (AA)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_hard
CritPt v2 hard subset (AA):よくある質問
- CritPt v2 hard subset (AA)は何を測るベンチマークですか?
- CritPt v2 hardサブセットは、CritPt v2に含まれる非公開の物理学研究問題40問で、Artificial AnalysisのIntelligence Index v5で使われています。コード実行ツールを利用できます。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 v2 hard subset (AA)の最高スコアは?
- 2026年11月16日時点で、CritPt v2 hard subset (AA)の最高スコアは76.5%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GPT-6 Astraの72.0%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
- CritPt v2 hard subset (AA)でトップのAIモデルは?
- 2026年11月16日時点で、CritPt v2 hard subset (AA)の首位はClaude Fable 5.2で、スコアは76.5%です(結果の日付は2026年11月9日)。続いてGPT-6 Astra(72.0%)です。
- CritPt v2 hard subset (AA)の結果があるモデルはいくつですか?
- BenchLeaderでは135のモデル構成にCritPt v2 hard subset (AA)の結果があり、すべてArtificial Analysisから取得しています。
- CritPt v2 hard subset (AA)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 v2 hard subset (AA)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 v2 hard subset (AA)はBenchLeader Indexに含まれますか?
- はい。CritPt v2 hard subset (AA)はBenchLeader Indexの推論カテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。