BenchLeader

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。

公開元
Artificial Analysis
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。

135件中135件
#
1NEWClaude Fable 5.2max76.5%72.72026-11-09
2NEWClaude Fable 5.2xhigh73.5%69.72026-11-09
3NEWClaude Fable 5.2high73.0%68.42026-11-09
4GPT-6 Astramedium72.0%64.42026-09-03
5GPT-6 Astrahigh71.5%66.32026-09-03
6GPT-6 Astraxhigh71.0%66.02026-09-03
7GPT-6 Astramax70.5%67.32026-09-03
8GPT-6.1 Solmax69.5%66.62026-09-29
9GPT-6.1 Solxhigh69.5%63.62026-09-29
10Gemini 4 Carbonhigh69.0%68.92026-10-28
11Gemini 4 Carbonmedium69.0%65.82026-10-28
12GPT-6.1 Solhigh68.5%63.42026-09-29
13Claude Opus 5.5max68.0%68.42026-09-22
14GPT-6.1 Terramax68.0%64.12026-10-26
15Claude Opus 5.5xhigh67.5%65.42026-09-22
16GPT-6.1 Solmedium67.0%62.72026-09-29
17GPT-6 Solmax66.5%62.62026-09-22
18NEWGemini 4 Hydrogenxhigh66.0%61.82026-11-12
19Gemini 4 Carbonlow65.0%60.12026-10-28
20GPT-6 Astralow63.0%62.02026-09-03
21GPT-6.1 Sollow62.5%60.02026-09-29
22Claude Fable 5.1high62.0%63.72026-09-01
23NEWClaude Fable 5.2medium61.5%66.32026-11-09
24NEWGemini 4 Hydrogenhigh61.5%63.42026-11-12
25GPT-6.1 Terrahigh61.5%59.62026-10-26
26NEWGemini 4 Hydrogenmedium61.0%–2026-11-12
27GPT-6.1 Terraxhigh60.5%60.02026-10-26
28GPT-5.6 Solmax60.0%65.32026-07-09
29NEWClaude Fable 5.2low60.0%65.32026-11-09
30Claude Fable 5.1xhigh60.0%64.62026-09-01
31Claude Opus 5.5high59.5%66.02026-09-22
32Claude Sonnet 5.5max59.0%64.22026-09-28
33Claude Fable 5.1medium58.5%61.72026-09-01
34Claude Sonnet 5.5xhigh57.5%62.52026-09-28
35Muse Wonder Fullmax56.5%61.72026-10-12
36GPT-6.1 Terramedium56.5%58.52026-10-26
37Claude Opus 5.5medium54.0%61.22026-09-22
38Gemini 4 Argonmedium53.5%61.62026-09-30
39Claude Fable 5.1max52.5%66.72026-09-01
40Gemini 4 Argonhigh52.5%65.32026-09-30
41Claude Sonnet 5.5high51.5%59.52026-09-28
42Muse Wonderhigh51.0%56.22026-10-12
43Muse Wondermax50.5%60.82026-10-12
44GPT-5.6 Terramax50.5%59.52026-07-09
45GPT-6.1 Terralow50.5%56.62026-10-26
46Claude Opus 5max50.0%65.02026-07-24
47Kimi K3.1 Pro49.5%61.82026-10-23
48Claude Fable 5.1low49.5%58.82026-09-01
49Muse Spark 1.3max48.0%60.62026-09-02
50NEWGemini 4 Hydrogenlow48.0%–2026-11-12
51Claude Haiku 5.5xhigh47.5%56.72026-10-07
52Gemini 3.8 Flashhigh46.5%59.42026-09-02
53Gemini 3.8 Flashmedium45.0%60.22026-09-02
54Claude Haiku 5.5high45.0%55.32026-10-07
55Grok 4.7low43.5%55.42026-09-21
56Claude Haiku 5.5max43.5%55.32026-10-07
57GPT-6 Lunamax42.5%55.12026-09-22
58Kimi K3max40.5%60.22026-07-16
59Grok 4.6xhigh40.0%56.12026-08-12
60Hy439.0%56.72026-11-03

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 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。