Models

この表の読み方

順位は、人の投票の結果です

Arena では、同じ質問に対する2つのモデルの回答を人が見比べて、良いと思った方に投票します。スコアは、その勝ち負けから計算した数字です。テストの点数ではありません。

誤差の幅が重なるモデルは、順位が入れ替わりえます

誤差の幅は、Arena が公表しているスコアの下限と上限です。統計では信頼区間と呼び、本当のスコアがありそうな範囲を表します。2つのモデルの幅が重なっているとき、このデータだけではどちらが上とは言えません。

High や Max は、推論の設定です

モデル名の末尾の High、Max、xHigh などは、答える前に考える手間をどれだけかけるかの設定です。同じモデルでも、設定ごとに別の行になります。モデル名は Arena の表記のままです。「設定」として分けて表示しているのは、Anthropic、OpenAI、Google、xAI、DeepSeek のモデルだけです。ほかの提供元では、同じ語がモデル名の一部になっていることがあります。

投票数が少ないと、幅は広くなります

投票数は、そのモデルが比べられた回数です。少ないうちは誤差の幅が広く、順位が動きやすくなります。