YZ Index
評価データ
現在表示中：Run #87 | 2026-04-27 | 212問の題庫 | 公式 v7 | 判定セット v6
データ公開について：ベンチマーク汚染と過学習を防ぐため、問題文と期待回答は非公開です。本ページではモデルの回答、得点、採点方式などの透明性データを表示します。詳しい方法論は方法論ページ。
| モデル | コード実行 | 材料制約 | エンジニアリング判断 | タスク表現 | 誠実性 | 総合分 | コスパ | 安定性 | 可用性 | タスクごと |
|---|---|---|---|---|---|---|---|---|---|---|
| Grok 3 grok | 88.90 | 84.40 | 43.50 | 40.00 | 77.50 pass | 86.88 | 25.8 | 35.5 | 99.0 | |
| 豆包 Pro doubao | 92.20 | 79.40 | 46.30 | 40.00 | 77.50 pass | 86.44 | 93.3 | 38.8 | 100.0 | |
| Gemini 2.5 Pro gemini | 89.40 | 78.10 | 47.20 | 40.00 | 80.80 pass | 84.32 | 39.3 | 37.7 | 100.0 | |
| Claude Sonnet 4.6 claude | 86.50 | 81.10 | 43.80 | 40.00 | 74.20 pass | 84.07 | 25.1 | 35.7 | 99.0 | |
| Claude Opus 4.6 claude | 86.50 | 79.70 | 46.30 | 40.00 | 67.50 pass | 83.44 | 5.1 | 35.2 | 100.0 | |
| DeepSeek V3 deepseek | 83.20 | 77.80 | 44.30 | 40.00 | 59.20 warn | 80.77 | 99.7 | 32.8 | 100.0 | |
| Qwen Max qwen | 78.40 | 77.30 | 40.70 | 40.00 | 65.80 pass | 77.91 | 48.6 | 32.7 | 100.0 | |
| DeepSeek R1 deepseek | 78.90 | 72.20 | 38.70 | 40.00 | 54.20 warn | 75.89 | 90.3 | 30.2 | 100.0 | |
| 文心一言 4.0 ernie | 77.00 | 72.30 | 39.70 | 40.00 | 69.20 pass | 74.89 | 98.6 | 31.3 | 100.0 | |
| GPT-4o gpt | 71.70 | 57.60 | 41.50 | 40.00 | 74.20 pass | 65.36 | 29.1 | 30.4 | 91.0 | |
| GPT-o3 gpt | 73.40 | 49.20 | 38.70 | 40.00 | 69.20 pass | 62.51 | 7.0 | 28.9 | 87.0 |
APIアクセス：評価データにプログラムからアクセスするには、当社の API。