CharXiv Reasoning(ツールあり)
論文の図表の推論(ツールあり。Python・検索など出典ごとに違う)。
- 分類
- マルチモーダル
- 単位
- パーセント(%)
- 高いほど良い
- 比較グループ
- 3グループ
- すべてのモデルの順位(記録)・順位を付けた結果 4 件
すべてのモデルの順位(記録)
旧モデルと Claude Code / Codex で選べないモデルを含めて、比較グループごとに順位を付け直したものです。順位を付ける顔ぶれが違うので、上の順位とは違います。
旧モデル・選べないモデルを含む順位を開く(4 件)
公式の結果(Kimi K3.1 Pro (Hugging Face model card, moonshotai))
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Kimi K3.1 Pro | Max | 93.4% | — | Moonshot AI | Kimi K3.1 Pro (Hugging Face model card, moonshotai)2026-11-13 取得・ベンダー発表値(Moonshot AI 自己申告)。表の列見出し Kimi K3.1 Pro (max)、表注: all Kimi K3.1 Pro results use reasoning effort max, temperature 1.0, top-p 0.95。Python ツールあり・4 回平均出典の該当箇所CharXiv (RQ) w/ python | 93.4所在 HF モデルカード「3. Evaluation Results」の表、CharXiv (RQ) w/ python 行・Kimi K3.1 Pro (max) 列(左端の数値列)。根拠の脚注: Agentic 11 |
公式の結果(Kimi K3 (Hugging Face model card, moonshotai))
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Kimi K3 | Max | 91.3% | — | Moonshot AI | Kimi K3 (Hugging Face model card, moonshotai)2026-11-13 取得・ベンダー発表値(Moonshot AI 自己申告)。表注: All Kimi K3 results are obtained with reasoning effort set to 'max' and temperature = 1.0出典の該当箇所CharXiv (RQ) | 84.8 / 91.3所在 HF モデルカード「3. Evaluation Results」の表、CharXiv (RQ)(ツールなし / ありの右) 行・Kimi K3 (max) 列(左端の数値列)。根拠の脚注: 表注(ビジョン系のツールは Python) |
公式の結果(Gemini 3.7 Flash model card)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Gemini 3.6 Flash | 記載なし | 89.4% | — | Gemini 3.7 Flash model card2026-11-13 取得・ベンダー発表値。Google の model card の表。methodology PDF(deepmind.com/models/evals-methodology/gemini-3-7-flash): All of the results are run with the Gemini API ... with default sampling settings unless indicated otherwise。Gemini は自社計算・ツールは検索とコード実行出典の該当箇所With tools | 89.4%所在 Gemini 3.7 Flash model card の Evaluation 表、CharXiv Reasoning(With tools) 行・Gemini 3.6 Flash 列。自社計算の根拠は methodology PDF の Multimodal / CharXiv Reasoning | |
| 2 | Gemini 3.7 Flash | 記載なし | 88.7% | — | Gemini 3.7 Flash model card2026-11-13 取得・ベンダー発表値。Google の model card の表。methodology PDF(deepmind.com/models/evals-methodology/gemini-3-7-flash): All of the results are run with the Gemini API ... with default sampling settings unless indicated otherwise。Gemini は自社計算・ツールは検索とコード実行出典の該当箇所With tools | 88.7%所在 Gemini 3.7 Flash model card の Evaluation 表、CharXiv Reasoning(With tools) 行・Gemini 3.7 Flash 列。自社計算の根拠は methodology PDF の Multimodal / CharXiv Reasoning |