BenchLeader

MirrorCodeのリーダーボード

2026年11月16日時点で、MirrorCodeの最高スコアは97.8%で、Claude Sonnet 5.5(Anthropic)が記録しています。次点はClaude Opus 5.5の95.6%です。公表された結果があるのは45のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2026年9月28日)。モデルはプログラムの動作を観察し、それをそのまま再現するコードを書かなければなりません。MirrorCode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 Sonnet 5.5がMirrorCodeの最高スコア97.8%を記録しています(Epoch AI Benchmarking Hub、2026年9月28日)。
  • MirrorCodeの2位はClaude Opus 5.5で、95.6%です(Epoch AI Benchmarking Hub、2026年9月22日)。
  • MirrorCode:出力からプログラムの振る舞いを再現するタスク。Epoch AIが実施(Epoch AI Benchmarking Hub)。
  • BenchLeaderでは45のモデル構成にMirrorCodeの公表結果があります(BenchLeader、2026年11月16日)。
  • MirrorCode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)。

出力からプログラムの振る舞いを再現するタスク。Epoch AIが実施。

公開元
Epoch AI Benchmarking Hub
カテゴリ
コーディング
Indexでの重み
参考のみ
モデル
45
データ基準日
2026年11月16日

CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.

どんなテストか

モデルはプログラムの動作を観察し、それをそのまま再現するコードを書かなければなりません。

採点方法

動作が一致したプログラムの割合で、Epoch AIが実行しています。

注意点

これまでに測定されたモデルはごく少数です。

45件中45件
#
1Claude Sonnet 5.5max97.8%64.22026-09-28
2Claude Opus 5.5max95.6%68.42026-09-22
3Claude Fable 5.1max93.3%66.72026-09-01
4Claude Opus 5max87.8%65.02026-07-24
5Claude Opus 5.5high78.9%66.02026-09-22
6Claude Haiku 5.5max78.9%55.32026-10-07
7GPT-6.1 Terramax76.7%64.12026-10-26
8Claude Fable 5.1high73.3%63.72026-09-01
9Claude Fable 5max70.0%65.12026-06-09
10Claude Opus 4.8max65.6%61.12026-05-28
11DeepSeek V4.1 Flashmax64.4%58.52026-09-09
12Claude Fable 5high63.9%63.92026-06-09
13Claude Sonnet 5max63.3%56.12026-06-30
14GPT-6.1 Solmax61.1%66.62026-09-29
15GPT-6 Astramax60.0%67.32026-09-03
16Gemini 4 Argonhigh58.9%65.32026-10-13
17Muse Spark 1.3max54.4%60.62026-09-02
18Kimi K3max54.4%60.22026-07-16
19Grok 4.7xhigh54.4%57.42026-09-21
20Qwen3.8 Maxxhigh52.2%56.62026-08-02
21GPT-6 Solmax48.9%62.62026-09-22
22GPT-6 Astrahigh46.7%66.32026-09-03
23Muse Wondermax45.6%60.82026-10-12
24Claude Opus 4.7max43.3%59.72026-04-16
25Gemini 3.7 Flashhigh41.1%62.12026-08-13
26GPT-5.6 Terramax41.1%59.52026-07-09
27Grok 4.6xhigh41.1%56.12026-08-12
28Mistral Large 4high40.0%48.32026-10-06
29Gemini 3.8 Flashhigh38.9%59.42026-09-02
30GLM 5.2max36.7%58.92026-06-16
31Claude Opus 4.6max33.3%57.02026-02-05
32DeepSeek V4 Promax33.3%54.72026-08-13
33GPT-5.2xhigh32.2%59.92025-12-11
34Grok 4.5high32.2%56.82026-07-08
35Claude Opus 4.7high31.1%60.02026-04-16
36GPT-6 Lunamax26.7%55.12026-09-22
37GPT-5.5xhigh23.3%64.12026-04-23
38GPT-5.4xhigh23.3%63.12026-03-05
39Gemini 3.6 Flashhigh23.3%61.02026-07-21
40GPT-5.6 Lunamax21.1%56.22026-07-09
41GPT-5.6 Solhigh20.0%63.42026-07-09
42GPT-5.4high15.6%58.62026-03-05
43GPT-5.5high10.0%63.52026-04-23
44Gemini 3.1 Prohigh8.9%60.42026-02-19
45GPT-5high4.4%58.22025-08-07

コーディング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「MirrorCode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/mirrorcode

MirrorCode:よくある質問

MirrorCodeは何を測るベンチマークですか?
モデルはプログラムの動作を観察し、それをそのまま再現するコードを書かなければなりません。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。
MirrorCodeの最高スコアは?
2026年11月16日時点で、MirrorCodeの最高スコアは97.8%で、Claude Sonnet 5.5が記録しています(結果の日付は2026年9月28日)。次点はClaude Opus 5.5の95.6%です。スコアはEpoch AI Benchmarking Hubの公表値で、毎日読み直しています。
MirrorCodeでトップのAIモデルは?
2026年11月16日時点で、MirrorCodeの首位はClaude Sonnet 5.5で、スコアは97.8%です(結果の日付は2026年9月28日)。続いてClaude Opus 5.5(95.6%)です。
MirrorCodeの結果があるモデルはいくつですか?
BenchLeaderでは45のモデル構成にMirrorCodeの結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
MirrorCode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?
MirrorCodeはEpoch AI Benchmarking Hub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。
MirrorCodeはBenchLeader Indexに含まれますか?
いいえ。MirrorCode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。