BenchLeader

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。

29件中29件
#
1Claude Opus 5.5max91.3%68.4$0.2832026-11-05
2GPT-6.1 Solmax90.5%66.6$0.0832026-11-05
3Claude Haiku 5.5max89.8%55.3$0.0162026-11-05
4Gemini 4 Argonhigh89.5%65.3$0.0752026-11-05
5GLM 5.3 Flashmax89.3%52.4$0.00642026-11-05
6Qwen3.7 Plus89.2%57.6$0.0202026-11-05
7Grok 4.7xhigh88.7%57.4$0.1102026-11-05
8Inkling 2 Small88.6%57.9$0.0182026-11-05
9Gemini 3.8 Flashhigh88.2%59.4$0.0762026-11-05
10Claude Sonnet 5.5max88.0%64.2$0.1602026-11-05
11GPT-5.6 Terramax87.0%59.5$0.1102026-11-05
12Kimi K3max86.8%60.2$0.2272026-11-05
13Ember-186.4%–$0.2052026-11-05
14Muse Spark Openxhigh85.8%53.5$0.0692026-11-05
15MiniMax M385.5%56.1$0.0152026-11-05
16Qwen3.5 397B A17B85.5%51.3$0.0132026-11-05
17DeepSeek V4.1 Flashmax85.4%58.5$0.0112026-11-05
18MiniMax M3.1 Flashmax85.3%–$0.00762026-11-05
19Qwen3.5 Flash84.9%51.8$0.00602026-11-05
20MiMo-V2.6-Pro84.5%57.5$0.0212026-11-05
21GPT-6 Lunamax83.4%55.1$0.00582026-11-05
22MiMo-V2.6-Flash83.3%54.8$0.00742026-11-05
23Gemini 3.1 Prohigh83.2%60.4$0.0542026-11-05
24Gemma 4 31Bhigh82.8%––2026-11-05
25Qwen3.8 Maxmax81.8%58.7$0.0872026-11-05
26Gemini 3.5 Flash Litehigh79.5%47.8$0.00952026-11-05
27Grok 4.1 Fastthinking74.5%55.3$0.00472026-11-05
28Mistral Medium 3.5high72.0%–$0.0742026-11-05
29Mistral Small 4high59.2%–$0.00352026-11-05

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

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。