Arena Hard
AIベンチマーク結果とモデルの性能
種類: percentage
記録された結果
49
平均スコア
63.25%
スコアの範囲
26.70% - 95.60%
最上位モデル
95.60% - Qwen 3 235B A22B
スコアの推移
日付ごとの個別ベンチマークスコアです。
モデル結果
| 組織 | モデル | 報告日 | 最高スコア | 情報 | 自己申告 | 出典 |
|---|---|---|---|---|---|---|
| Qwen 3 235B A22B | - | 95.60% | - | はい | 出典 | |
| Qwen 3 32B | - | 93.80% | - | はい | 出典 | |
| Qwen 3 30B A3B | - | 91% | - | はい | 出典 | |
| Qwen 3 30B A3B Instruct 2507 | - | 91% | inferred version-family alias from qwen3-30b-a3b | はい | 出典 | |
| Qwen 3 30B A3B Thinking 2507 | - | 91% | inferred version-family alias from qwen3-30b-a3b | はい | 出典 | |
| Qwen 3 Coder 30B A3B Instruct | - | 91% | inferred high-confidence family alias from qwen3-30b-a3b (score=0.5007; benches=8) | はい | 出典 | |
| Qwen 3 Omni 30B A3B Captioner | - | 91% | inferred family alias from qwen3-30b-a3b (score=0.4129; benches=8) | はい | 出典 | |
| Qwen 3 Omni 30B A3B Instruct | - | 91% | inferred high-confidence family alias from qwen3-30b-a3b (score=0.4819; benches=8) | はい | 出典 | |
| Qwen 3 Omni 30B A3B Thinking | - | 91% | inferred high-confidence family alias from qwen3-30b-a3b (score=0.4819; benches=8) | はい | 出典 | |
| Llama 3.3 Nemotron Super 49B v1 | 2025年3月18日 | 88.30% | - | はい | 出典 | |
| Llama 3.3 Nemotron Super 49B V1.5 | - | 88.30% | inferred version-family alias from llama-3.3-nemotron-super-49b-v1 | はい | 出典 | |
| Qwen 72B | - | 81.20% | inferred family alias from qwen-2.5-72b-instruct (score=0.3060; benches=14) | はい | 出典 | |
| Phi 4 Reasoning Plus | 2025年4月30日 | 79% | - | はい | 出典 | |
| DeepSeek V2.5 (2024-09-05) | 2024年9月05日 | 76.20% | inferred alias from deepseek-v2.5 | はい | 出典 | |
| DeepSeek V2.5 (2024-12-10) | 2024年12月10日 | 76.20% | inferred alias from deepseek-v2.5 | はい | 出典 | |
| Phi 1 | - | 75.40% | inferred family alias from phi-4 (score=0.3100; benches=13) | はい | 出典 | |
| Phi 2 | - | 75.40% | inferred family alias from phi-4 (score=0.3100; benches=13) | はい | 出典 | |
| Phi 4 | 2024年12月12日 | 75.40% | - | はい | 出典 | |
| Phi 4 Reasoning | 2025年4月30日 | 73.30% | - | はい | 出典 | |
| Granite 4.1 30B | 2026年4月29日 | 71.02% | - | はい | 出典 | |
| Granite 4.1 8B | 2026年4月29日 | 68.98% | - | はい | 出典 | |
| Mistral Small 1.0 | 2024年2月26日 | 58.30% | inferred family alias from mistral-small-latest (score=0.3650; benches=9) | はい | 出典 | |
| Mistral Small 2.0 | 2024年9月17日 | 58.30% | inferred family alias from mistral-small-latest (score=0.3650; benches=9) | はい | 出典 | |
| Mistral Small 4 | 2026年3月16日 | 58.30% | - | はい | 出典 | |
| Mistral Small Creative | 2025年12月16日 | 58.30% | inferred family alias from mistral-small-latest (score=0.4273; benches=9) | はい | 出典 |
