SAGEのリーダーボード
2026年11月16日時点で、SAGEの最高スコアは91.3%で、Claude Opus 5.5(Anthropic)が記録しています。次点はGPT-6.1 Solの90.5%です。公表された結果があるのは29のモデル構成です(Vals AI、結果の日付は2026年11月5日)。生徒が手書きした数学の答案の画像をルーブリックに沿って採点させます。手書き文字の読み取りと推論の確認が必要です。SAGE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 Opus 5.5がSAGEの最高スコア91.3%を記録しています(Vals AI、2026年11月5日)。
- SAGEの2位はGPT-6.1 Solで、90.5%です(Vals AI、2026年11月5日)。
- SAGE:手書きの数学の答案を画像から採点するタスク。Vals AIが実施(Vals AI)。
- BenchLeaderでは29のモデル構成にSAGEの公表結果があります(BenchLeader、2026年11月16日)。
- SAGE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)。
手書きの数学の答案を画像から採点するタスク。Vals AIが実施。
- 公開元
- Vals AI
- カテゴリ
- マルチモーダル
- Indexでの重み
- 参考のみ
- モデル
- 29
- データ基準日
- 2026年11月16日
Vals AI (vals.ai).
どんなテストか
生徒が手書きした数学の答案の画像をルーブリックに沿って採点させます。手書き文字の読み取りと推論の確認が必要です。
採点方法
専門家の採点者との一致度で、Vals AIが実行しています。
注意点
手書きの質や画像の解像度が結果に影響します。
- 1Claude Opus 5.5 (max)91.3%
- 2GPT-6.1 Sol (max)90.5%
- 3Claude Haiku 5.5 (max)89.8%
- 4Gemini 4 Argon (high)89.5%
- 5GLM 5.3 Flash (max)89.3%
- 6Qwen3.7 Plus89.2%
- 7Grok 4.7 (xhigh)88.7%
- 8Inkling 2 Small88.6%
- 9Gemini 3.8 Flash (high)88.2%
- 10Claude Sonnet 5.5 (max)88.0%
- 11GPT-5.6 Terra (max)87.0%
- 12Kimi K3 (max)86.8%
- 13Ember-186.4%
- 14Muse Spark Open (xhigh)85.8%
- 15MiniMax M385.5%
29件中29件
| # | |||||
|---|---|---|---|---|---|
| 1 | 91.3% | 68.4 | $0.283 | 2026-11-05 | |
| 2 | 90.5% | 66.6 | $0.083 | 2026-11-05 | |
| 3 | 89.8% | 55.3 | $0.016 | 2026-11-05 | |
| 4 | 89.5% | 65.3 | $0.075 | 2026-11-05 | |
| 5 | 89.3% | 52.4 | $0.0064 | 2026-11-05 | |
| 6 | 89.2% | 57.6 | $0.020 | 2026-11-05 | |
| 7 | 88.7% | 57.4 | $0.110 | 2026-11-05 | |
| 8 | 88.6% | 57.9 | $0.018 | 2026-11-05 | |
| 9 | 88.2% | 59.4 | $0.076 | 2026-11-05 | |
| 10 | 88.0% | 64.2 | $0.160 | 2026-11-05 | |
| 11 | 87.0% | 59.5 | $0.110 | 2026-11-05 | |
| 12 | 86.8% | 60.2 | $0.227 | 2026-11-05 | |
| 13 | Ember-1 | 86.4% | – | $0.205 | 2026-11-05 |
| 14 | 85.8% | 53.5 | $0.069 | 2026-11-05 | |
| 15 | 85.5% | 56.1 | $0.015 | 2026-11-05 | |
| 16 | 85.5% | 51.3 | $0.013 | 2026-11-05 | |
| 17 | 85.4% | 58.5 | $0.011 | 2026-11-05 | |
| 18 | 85.3% | – | $0.0076 | 2026-11-05 | |
| 19 | 84.9% | 51.8 | $0.0060 | 2026-11-05 | |
| 20 | 84.5% | 57.5 | $0.021 | 2026-11-05 | |
| 21 | 83.4% | 55.1 | $0.0058 | 2026-11-05 | |
| 22 | 83.3% | 54.8 | $0.0074 | 2026-11-05 | |
| 23 | 83.2% | 60.4 | $0.054 | 2026-11-05 | |
| 24 | 82.8% | – | – | 2026-11-05 | |
| 25 | 81.8% | 58.7 | $0.087 | 2026-11-05 | |
| 26 | 79.5% | 47.8 | $0.0095 | 2026-11-05 | |
| 27 | 74.5% | 55.3 | $0.0047 | 2026-11-05 | |
| 28 | 72.0% | – | $0.074 | 2026-11-05 | |
| 29 | 59.2% | – | $0.0035 | 2026-11-05 |
マルチモーダルのベンチマークをもっと見る · LLMベンチマーク一覧
関連するベンチマーク
SAGEでの注目のモデル比較
引用表記:BenchLeader「SAGE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_sage
SAGE:よくある質問
- SAGEは何を測るベンチマークですか?
- 生徒が手書きした数学の答案の画像をルーブリックに沿って採点させます。手書き文字の読み取りと推論の確認が必要です。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。
- SAGEの最高スコアは?
- 2026年11月16日時点で、SAGEの最高スコアは91.3%で、Claude Opus 5.5が記録しています(結果の日付は2026年11月5日)。次点はGPT-6.1 Solの90.5%です。スコアはVals AIの公表値で、毎日読み直しています。
- SAGEでトップのAIモデルは?
- 2026年11月16日時点で、SAGEの首位はClaude Opus 5.5で、スコアは91.3%です(結果の日付は2026年11月5日)。続いてGPT-6.1 Sol(90.5%)です。
- SAGEの結果があるモデルはいくつですか?
- BenchLeaderでは29のモデル構成にSAGEの結果があり、すべてVals AIから取得しています。
- SAGE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?
- SAGE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。
- SAGEはBenchLeader Indexに含まれますか?
- いいえ。SAGE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。