BenchLeader

MysteryMechanismのリーダーボード

2026年11月16日時点で、MysteryMechanismの最高スコアは53.1%で、GPT-6 Astra(OpenAI)が記録しています。次点はClaude Fable 5.2の51.8%です。公表された結果があるのは31のモデル構成です(Vals AI、結果の日付は2026年11月11日)。モデルは未知のシステムの観測結果を要求でき、その背後にある仕組みを推測しなければなりません。能動的な科学的推論を試すテストです。MysteryMechanism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)

  • GPT-6 AstraがMysteryMechanismの最高スコア53.1%を記録しています(Vals AI、2026年11月11日)。
  • MysteryMechanismの2位はClaude Fable 5.2で、51.8%です(Vals AI、2026年11月11日)。
  • MysteryMechanism:わずかな観察から、隠れた科学的メカニズムを突き止めるタスク。Vals AIが実施(Vals AI)。
  • BenchLeaderでは31のモデル構成にMysteryMechanismの公表結果があります(BenchLeader、2026年11月16日)。
  • MysteryMechanism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)。

わずかな観察から、隠れた科学的メカニズムを突き止めるタスク。Vals AIが実施。

公開元
Vals AI
カテゴリ
推論
Indexでの重み
参考のみ
モデル
31
データ基準日
2026年11月16日

Vals AI (vals.ai).

どんなテストか

モデルは未知のシステムの観測結果を要求でき、その背後にある仕組みを推測しなければなりません。能動的な科学的推論を試すテストです。

採点方法

特定できた仕組みの割合で、Vals AIが実行しています。

注意点

小規模で変わったテストですが、静的な試験を補完するのに適しています。

31件中31件
#
1GPT-6 Astramax53.1%67.3$1.562026-11-11
2NEWClaude Fable 5.2high51.8%68.4$1.552026-11-11
3Claude Opus 5.5max49.5%68.4$4.062026-11-11
4Claude Sonnet 5.5max49.1%64.2$2.982026-11-11
5Claude Fable 5.1max47.8%66.7$5.632026-11-11
6GPT-6.1 Solmax46.4%66.6$0.2852026-11-11
7Gemini 4 Argonhigh45.5%65.3$4.592026-11-11
8Claude Opus 5max37.4%65.0$3.282026-11-11
9Gemini 3.8 Flashhigh36.5%59.4$1.732026-11-11
10Muse Spark 1.3max36.0%60.6$0.8522026-11-11
11Muse Wonder Fullmax35.1%61.7$4.162026-11-11
12Claude Haiku 5.5max35.1%55.3$0.5412026-11-11
13GPT-5.6 Solmax33.3%65.3$0.9632026-11-11
14Grok 4.6high30.6%60.6$1.312026-11-11
15GPT-6 Solmax30.2%62.6$0.4612026-11-11
16Muse Wondermax27.5%60.8$3.392026-11-11
17Kimi K3.1 Promax26.1%59.9$0.6222026-11-11
18Inkling 2 Small25.2%57.9$0.1602026-11-11
19Grok 4.7xhigh25.2%57.4$1.842026-11-11
20Qwen3.8 Maxmax23.9%58.7$1.312026-11-11
21GLM 5.3max23.0%58.8$1.532026-11-11
22Ember-122.5%–$1.292026-11-11
23Beam 1.022.1%45.9–2026-11-11
24MiMo-V2.6-Flash21.6%54.8$0.0572026-11-11
25DeepSeek V4.1 Flashhigh21.2%55.6$0.1642026-11-11
26Gemini 3.1 Prohigh20.7%60.4$1.072026-11-11
27GPT-6 Lunamax19.4%55.1$0.0262026-11-11
28Step 5 Preview18.5%56.0$0.5972026-11-11
29MiMo-V2.6-Pro15.3%57.5$0.1542026-11-11
30GPT-5.6 Lunamax14.4%56.2$0.1092026-11-11
31Mistral Large 4high12.2%48.3$1.062026-11-11

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「MysteryMechanism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_mystery_mechanism

MysteryMechanism:よくある質問

MysteryMechanismは何を測るベンチマークですか?
モデルは未知のシステムの観測結果を要求でき、その背後にある仕組みを推測しなければなりません。能動的な科学的推論を試すテストです。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。
MysteryMechanismの最高スコアは?
2026年11月16日時点で、MysteryMechanismの最高スコアは53.1%で、GPT-6 Astraが記録しています(結果の日付は2026年11月11日)。次点はClaude Fable 5.2の51.8%です。スコアはVals AIの公表値で、毎日読み直しています。
MysteryMechanismでトップのAIモデルは?
2026年11月16日時点で、MysteryMechanismの首位はGPT-6 Astraで、スコアは53.1%です(結果の日付は2026年11月11日)。続いてClaude Fable 5.2(51.8%)です。
MysteryMechanismの結果があるモデルはいくつですか?
BenchLeaderでは31のモデル構成にMysteryMechanismの結果があり、すべてVals AIから取得しています。
MysteryMechanism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?
MysteryMechanism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。
MysteryMechanismはBenchLeader Indexに含まれますか?
いいえ。MysteryMechanism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。