BrowseComp
AIベンチマーク結果とモデルの性能
種類: percentageAgents
記録された結果
57
平均スコア
66.19%
スコアの範囲
21.30% - 91.50%
最上位モデル
91.50% - GPT-6 Astra
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 |
|---|---|---|---|---|---|---|
| GPT-6 Astra | 2026年9月03日 | 91.50% | GPT-6 Astra launch evaluation | はい | 出典 | |
| Kimi K3 | 2026年7月16日 | 91.20% | Uses context compaction at 300K tokens, following the strategy used in Claude model cards. Moonshot separately reports 90.4 with a 1M context and no context management. | はい | 出典 | |
| Claude Opus 5 | 2026年7月24日 | 90.80% | Web search, web fetch, programmatic tool calling, and code execution; 10M-token budget with context compaction; unreleased effort configuration | はい | 出典 | |
| GPT 5.5 Pro | 2026年4月23日 | 90.10% | - | はい | 出典 | |
| GPT 5.4 Pro | 2026年3月05日 | 89.30% | - | はい | 出典 | |
| Claude Mythos Preview | 2026年4月07日 | 86.90% | 4.9x fewer tokens vs Opus 4.6 | はい | 出典 | |
| Claude Opus 4.6 | 2026年2月05日 | 利用できません | - | はい | - | |
| Claude Sonnet 5 | 2026年6月30日 | 86.60% | Multi-agent run from Anthropic capability summary table | はい | 出典 | |
| Gemini 3.1 Pro Preview | 2026年2月19日 | 85.90% | - | はい | - | |
| GPT 5.5 | 2026年4月23日 | 84.40% | - | はい | 出典 | |
| MiniMax M3 | 2026年6月01日 | 83.50% | - | はい | 出典 | |
| GPT 5 Pro | 2025年8月07日 | 82.70% | inferred family alias from gpt-5.4 (score=0.4083; benches=19) | はい | 出典 | |
| GPT 5 Search API | 2025年10月14日 | 82.70% | inferred family alias from gpt-5.4 (score=0.3050; benches=19) | はい | 出典 | |
| GPT 5.4 | 2026年3月05日 | 82.70% | - | はい | 出典 | |
| Claude Opus 4.7 | 2026年4月16日 | 79.30% | - | はい | 出典 | |
| GLM 5.1 | 2026年4月07日 | 79.30% | w/ Context Manage | はい | 出典 | |
| Qwen 3.5 397B A17B | 2026年2月16日 | 78.60% | Discard-all context strategy | はい | 出典 | |
| Beam | 2026年10月05日 | 77.40% | Reflection-reported launch score. Source row: BrowseComp w/ context management. Accessed 2026-10-05T22:51:12.456Z. Harness, reasoning effort, sampling and trial count are not specified per row. Not independently reproduced. | はい | 出典 | |
| Seed 2.0 Pro | 2026年2月14日 | 77.30% | - | はい | 出典 | |
| MiniMax M2.5 | 2026年2月12日 | 76.30% | - | はい | 出典 | |
| GLM 5 | 2026年2月11日 | 75.90% | - | はい | 出典 | |
| Kimi K2.5 | 2026年1月27日 | 74.90% | - | はい | 出典 | |
| Claude Sonnet 4.6 | 2026年2月17日 | 74.70% | - | はい | 出典 | |
| Seed 2.0 Lite | 2026年2月14日 | 72.10% | Seed2 official benchmark table | BrowseComp | はい | 出典 | |
| Step 3.5 Flash | - | 69% | - | はい | 出典 |
