BenchLeader

BrokenArXivのリーダーボード

2026年11月16日時点で、BrokenArXivの最高スコアは84.4%で、Gemini 4 Carbon(Google)が記録しています。次点はGPT-6.1 Solの83.1%です。公表された結果があるのは8のモデル構成です(MathArena)。最近のarXiv論文の命題を少しだけ変えて偽にしたもの。「証明」せずに誤りを指摘できれば得点。MathArena。参考表示です(対象モデルがまだ少ないため)。BrokenArXiv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)

  • Gemini 4 CarbonがBrokenArXivの最高スコア84.4%を記録しています(MathArena、2026年11月16日)。
  • BrokenArXivの2位はGPT-6.1 Solで、83.1%です(MathArena、2026年11月16日)。
  • BrokenArXiv:最近のarXiv論文の命題を少しだけ変えて偽にしたもの。「証明」せずに誤りを指摘できれば得点。MathArena。参考表示です(対象モデルがまだ少ないため)(MathArena)。
  • BenchLeaderでは8のモデル構成にBrokenArXivの公表結果があります(BenchLeader、2026年11月16日)。
  • BrokenArXiv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)。

最近のarXiv論文の命題を少しだけ変えて偽にしたもの。「証明」せずに誤りを指摘できれば得点。MathArena。参考表示です(対象モデルがまだ少ないため)。

公開元
MathArena
カテゴリ
数学
Indexでの重み
参考のみ
モデル
8
データ基準日
2026年11月16日

MIT — eth-sri/matharena.

8件中8件
#
1Gemini 4 Carbonhigh84.4%68.9$16.35540k
2GPT-6.1 Solmax83.1%66.6$1.1480k
3Claude Opus 5.5high77.3%66.0$2.6686k
4Inkling 2 Small63.2%57.9$0.220128k
5Kimi K3.1 Promax61.9%59.9$2.35125k
6DeepSeek V4.1 Flash 1017max48.7%57.7$0.290184k
7Gemini 4 Argonhigh47.9%65.3$9.55524k
8Muse Spark Openxhigh30.1%53.5$0.45056k

数学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「BrokenArXiv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/matharena_brokenarxiv

BrokenArXiv:よくある質問

BrokenArXivは何を測るベンチマークですか?
最近のarXiv論文の命題を少しだけ変えて偽にしたもの。「証明」せずに誤りを指摘できれば得点。MathArena。参考表示です(対象モデルがまだ少ないため)。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。
BrokenArXivの最高スコアは?
2026年11月16日時点で、BrokenArXivの最高スコアは84.4%で、Gemini 4 Carbonが記録しています。次点はGPT-6.1 Solの83.1%です。スコアはMathArenaの公表値で、毎日読み直しています。
BrokenArXivでトップのAIモデルは?
2026年11月16日時点で、BrokenArXivの首位はGemini 4 Carbonで、スコアは84.4%です。続いてGPT-6.1 Sol(83.1%)です。
BrokenArXivの結果があるモデルはいくつですか?
BenchLeaderでは8のモデル構成にBrokenArXivの結果があり、すべてMathArenaから取得しています。
BrokenArXiv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?
BrokenArXivはMathArena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。
BrokenArXivはBenchLeader Indexに含まれますか?
いいえ。BrokenArXiv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。