DeepSearchQA

Name: DeepSearchQA
Keywords: DeepSearchQA, AIベンチマーク, モデル評価, AIベンチマークランキング, AIモデルの性能

AIベンチマーク結果とモデルの性能

種類: percentageAgents

81.14%

67.70% - 95%

95% - Kimi K3

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
Moonshot	Kimi K3	2026年7月16日	95%	F1 score.	はい	出典
Anthropic	Claude Opus 4.6	2026年2月05日	91.30%	-	はい	出典
Xiaomi	MiMo V2 Pro	2026年3月18日	86.70%	-	はい	出典
Xiaomi	MiMo V2 TTS (Free)	2026年3月18日	86.70%	inferred modality/version alias from mimo-v2-pro	はい	出典
Reflection	Beam	2026年10月05日	80.10%	Reflection-reported launch score. Source row: DeepSearchQA 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
ByteDance	Seed 2.0 Pro	2026年2月14日	77.40%	Seed2 official benchmark table \| DeepSearchQA	はい	出典
Moonshot	Kimi K2.5	2026年1月27日	77.10%	-	はい	出典
Meta	Muse Spark	2026年4月08日	74.80%	-	はい	出典
Meta	Muse Glimmer 30B	2026年8月10日	74.60%	High reasoning	はい	出典
ByteDance	Seed 2.0 Lite	2026年2月14日	67.70%	Seed2 official benchmark table \| DeepSearchQA	はい	出典

公開データの正確性にご協力ください