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。
- 1GPT-6 Astra (max)53.1%
- 2Claude Fable 5.2 (high)51.8%
- 3Claude Opus 5.5 (max)49.5%
- 4Claude Sonnet 5.5 (max)49.1%
- 5Claude Fable 5.1 (max)47.8%
- 6GPT-6.1 Sol (max)46.4%
- 7Gemini 4 Argon (high)45.5%
- 8Claude Opus 5 (max)37.4%
- 9Gemini 3.8 Flash (high)36.5%
- 10Muse Spark 1.3 (max)36.0%
- 11Muse Wonder Full (max)35.1%
- 12Claude Haiku 5.5 (max)35.1%
- 13GPT-5.6 Sol (max)33.3%
- 14Grok 4.6 (high)30.6%
- 15GPT-6 Sol (max)30.2%
31件中31件
| # | |||||
|---|---|---|---|---|---|
| 1 | 53.1% | 67.3 | $1.56 | 2026-11-11 | |
| 2 | NEW | 51.8% | 68.4 | $1.55 | 2026-11-11 |
| 3 | 49.5% | 68.4 | $4.06 | 2026-11-11 | |
| 4 | 49.1% | 64.2 | $2.98 | 2026-11-11 | |
| 5 | 47.8% | 66.7 | $5.63 | 2026-11-11 | |
| 6 | 46.4% | 66.6 | $0.285 | 2026-11-11 | |
| 7 | 45.5% | 65.3 | $4.59 | 2026-11-11 | |
| 8 | 37.4% | 65.0 | $3.28 | 2026-11-11 | |
| 9 | 36.5% | 59.4 | $1.73 | 2026-11-11 | |
| 10 | 36.0% | 60.6 | $0.852 | 2026-11-11 | |
| 11 | 35.1% | 61.7 | $4.16 | 2026-11-11 | |
| 12 | 35.1% | 55.3 | $0.541 | 2026-11-11 | |
| 13 | 33.3% | 65.3 | $0.963 | 2026-11-11 | |
| 14 | 30.6% | 60.6 | $1.31 | 2026-11-11 | |
| 15 | 30.2% | 62.6 | $0.461 | 2026-11-11 | |
| 16 | 27.5% | 60.8 | $3.39 | 2026-11-11 | |
| 17 | 26.1% | 59.9 | $0.622 | 2026-11-11 | |
| 18 | 25.2% | 57.9 | $0.160 | 2026-11-11 | |
| 19 | 25.2% | 57.4 | $1.84 | 2026-11-11 | |
| 20 | 23.9% | 58.7 | $1.31 | 2026-11-11 | |
| 21 | 23.0% | 58.8 | $1.53 | 2026-11-11 | |
| 22 | Ember-1 | 22.5% | – | $1.29 | 2026-11-11 |
| 23 | 22.1% | 45.9 | – | 2026-11-11 | |
| 24 | 21.6% | 54.8 | $0.057 | 2026-11-11 | |
| 25 | 21.2% | 55.6 | $0.164 | 2026-11-11 | |
| 26 | 20.7% | 60.4 | $1.07 | 2026-11-11 | |
| 27 | 19.4% | 55.1 | $0.026 | 2026-11-11 | |
| 28 | 18.5% | 56.0 | $0.597 | 2026-11-11 | |
| 29 | 15.3% | 57.5 | $0.154 | 2026-11-11 | |
| 30 | 14.4% | 56.2 | $0.109 | 2026-11-11 | |
| 31 | 12.2% | 48.3 | $1.06 | 2026-11-11 |
関連するベンチマーク
MysteryMechanismでの注目のモデル比較
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。