BenchLeader

MGSMのリーダーボード

2026年11月16日時点で、MGSMの最高スコアは95.2%で、Claude Opus 4.5(Anthropic)が記録しています。次点はClaude Opus 4.1の94.4%です。公表された結果があるのは73のモデル構成です(Vals AI、結果の日付は2026年1月9日)。MGSMは、小学校レベルの算数の文章題を10言語に翻訳し、英語以外でも推論が通用するかを試します。MGSMはBenchLeader Indexの数学スコアに反映されます。

要点(2026年11月16日時点)

  • Claude Opus 4.5がMGSMの最高スコア95.2%を記録しています(Vals AI、2026年1月9日)。
  • MGSMの2位はClaude Opus 4.1で、94.4%です(Vals AI、2026年1月9日)。
  • MGSM:10言語の小学校レベルの算数。Vals AIが実施(Vals AI)。
  • BenchLeaderでは73のモデル構成にMGSMの公表結果があります(BenchLeader、2026年11月16日)。
  • MGSMはBenchLeader Indexの数学カテゴリに反映されます(BenchLeaderの評価方法)。

10言語の小学校レベルの算数。Vals AIが実施。

公開元
Vals AI
カテゴリ
数学
Indexでの重み
0.5
モデル
73
データ基準日
2026年11月16日

Vals AI (vals.ai).

どんなテストか

MGSMは、小学校レベルの算数の文章題を10言語に翻訳し、英語以外でも推論が通用するかを試します。

採点方法

言語全体で平均した正答率で、Vals AIが実行しています。

注意点

問題は最先端のモデルには簡単なので、スコアは主に対応言語の幅を反映します。英語では飽和しています。

73件中73件
#
1Claude Opus 4.5thinking95.2%59.3$0.0632026-01-09
2Claude Opus 4.594.8%57.1$0.0272026-01-09
3Claude Opus 4.1thinking94.4%58.1$0.0552026-01-09
4Claude Sonnet 4.5thinking94.3%52.3$0.0112026-01-09
5Claude Opus 4.194.2%51.1$0.0272026-01-09
6GPT-5.2xhigh94.0%59.9$0.0112026-01-09
7Gemini 3 Prohigh93.9%60.0$0.0182026-01-09
8Claude Opus 493.8%51.9$0.0272026-01-09
9o4-minihigh93.4%51.2$0.00292026-01-09
10Gemini 3 Flashhigh93.3%57.4$0.00712026-01-09
11Claude Sonnet 493.0%50.0$0.00582026-01-09
12GPT-5.1high93.0%57.5$0.00612026-01-09
13Claude 3.7 Sonnetthinking93.0%52.9$0.0262026-01-09
14GPT-5high92.8%58.2$0.0142026-01-09
15GPT-5 minihigh92.6%54.6$0.00372026-01-09
16Claude 3.5 Sonnet92.6%46.8$0.00402026-01-09
17Qwen3 235B A22B92.5%50.1$0.00112026-01-09
18Llama 4 Maverick92.4%41.8$0.00022026-01-09
19Claude 3.7 Sonnet92.4%49.2$0.00572026-01-09
20DeepSeek R192.3%47.2$0.00412026-01-09
21Qwen3 Maxmax92.2%54.2$0.00232026-01-09
22Claude Haiku 4.5thinking92.2%45.7$0.00692026-01-09
23DeepSeek V392.2%44.3$0.00042026-01-09
24gpt-oss-120b92.0%46.1$0.00072026-01-09
25o3high91.8%55.1$0.00382026-01-09
26DeepSeek V3 032491.7%46.9$0.00042026-01-09
27Grok 391.3%50.9$0.00572026-01-09
28o3-minihigh91.3%47.9$0.00822026-01-09
29Llama 3.3 70B91.1%39.9$0.00052026-01-09
30Kimi K291.0%51.1$0.00102026-01-09
31Grok 490.9%58.1$0.0262026-01-09
32Claude Sonnet 4thinking90.9%53.8$0.0152026-01-09
33Grok 4 Fastthinking90.9%51.6$0.00062026-01-09
34DeepSeek V3.290.9%50.2$0.00012026-01-09
35Mistral Medium 390.9%44.3$0.00052026-01-09
36GLM-4.590.8%51.6$0.00632026-01-09
37GPT-4ohigh90.7%41.6$0.00292026-01-09
38Grok 3 Mini Fasthigh90.4%53.7$0.00082026-01-09
39Grok 3 Mini Fastlow90.4%50.7$0.00052026-01-09
40Kimi K2 Thinkingthinking90.2%52.3$0.00092026-01-09
41Gemini 2.5 Flash 09 202589.8%47.5$0.00102026-01-09
42Gemini 2.5 Flash 09 2025thinking89.8%52.8$0.00102026-01-09
43GLM-4.689.8%50.2$0.00432026-01-09
44Grok 4.1 Fastthinking89.5%55.3$0.00052026-01-09
45Gemini 2.5 Flash Lite 0989.5%46.8$0.00022026-01-09
46o1high89.3%49.5$0.0572026-01-09
47GPT-5 nanohigh89.3%47.4$0.00192026-01-09
48Gemini 1.5 Pro 00289.2%41.4$0.00102026-01-09
49gpt-oss-20b89.0%44.5$0.00052026-01-09
50Gemini 2.0 Flash89.0%43.5$0.00012026-01-09
51Gemini 2.5 Flash Lite 09thinking88.4%49.6$0.00012026-01-09
52GLM 4.788.2%51.7$0.00432026-01-09
53Grok 4 Fast推論なし88.0%45.6$0.00032026-01-09
54Llama 4 Scout88.0%38.2$0.00012026-01-09
55MiniMax-M2.187.8%53.8$0.00132026-01-09
56GPT-4.1 minihigh87.8%46.3$0.00042026-01-09
57GPT-4.1high87.7%46.6$0.00172026-01-09
58Grok 4.1 Fast推論なし87.6%43.1$0.00012026-01-09
59Mistral Large 2.187.2%42.5$0.00302026-01-09
60Gemini 1.5 Flash 00286.6%38.2$0.00012026-01-09

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「MGSM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/vals_mgsm

MGSM:よくある質問

MGSMは何を測るベンチマークですか?
MGSMは、小学校レベルの算数の文章題を10言語に翻訳し、英語以外でも推論が通用するかを試します。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。
MGSMの最高スコアは?
2026年11月16日時点で、MGSMの最高スコアは95.2%で、Claude Opus 4.5が記録しています(結果の日付は2026年1月9日)。次点はClaude Opus 4.1の94.4%です。スコアはVals AIの公表値で、毎日読み直しています。
MGSMでトップのAIモデルは?
2026年11月16日時点で、MGSMの首位はClaude Opus 4.5で、スコアは95.2%です(結果の日付は2026年1月9日)。続いてClaude Opus 4.1(94.4%)です。
MGSMの結果があるモデルはいくつですか?
BenchLeaderでは73のモデル構成にMGSMの結果があり、すべてVals AIから取得しています。
MGSM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?
MGSMはVals AI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。
MGSMはBenchLeader Indexに含まれますか?
はい。MGSMはBenchLeader Indexの数学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。