ラウンドごとの結果
| ラウンド | 得点 | 9体の結果 | かかった時間 |
|---|---|---|---|
| 壊れたゲームの修理 | 24 / 24 | 9体全員が満点 | 29秒 |
| 詐欺見破り（文章12件＋スクショ10枚） | 22 / 22 | 9体全員が満点 | 66秒 |
| AI乗っ取りトラップ | 5 / 6 | 満点は9体中2体 | 79秒 |
| URLの抜け道をふさぐ判定ツール | 38 / 38 | 満点は9体中5体 | 732秒 |
| 計算マラソン | 3 / 3 | 満点は9体中8体 | 43秒 |
| 超難問8問 | 8 / 8 | 満点は9体中5体 | 223秒 |
得意だったこと・つまずいたこと
満点：壊れたゲームの修理（24/24）、詐欺見破り（文章12件＋スクショ10枚）（22/22）、URLの抜け道をふさぐ判定ツール（38/38）、計算マラソン（3/3）、超難問8問（8/8）
満点に届かなかったラウンド：AI乗っ取りトラップ（5/6）
検証で目立った場面
- URLの抜け道をふさぐ判定ツール：38パターンすべて正解は Claude Fable 5.1、Claude Opus 5.5、Claude Sonnet 5.5、Claude Haiku 5.5、Gemini 4 Argon。
- 超難問8問：超難問8問を全問正解したのは5体！ Claude Fable 5.1、Claude Opus 5.5、Claude Sonnet 5.5、GPT-6 Astra、GPT-6.1 Sol。
- 超難問8問：一方、Claude Haiku 5.5は、15分ほど考え続けたあげく、書ける量の上限を超えてしまって、答えを出せずに0点。Gemini 4 Argonは、mediumのまま約5秒で即答して、8問中4問でした。
読み方の注意
各問題1回勝負の結果で、課題・設定・実行方法が変われば結果も変わります。かかった時間は、実行環境が陣営ごとに違うため、同じ陣営の中での比較の目安にしてください。
ほかの8モデルと比べる
- Claude Fable 5.1（Anthropic）：総合100.0点・1位
- Claude Opus 5.5（Anthropic）：総合97.2点・2位
- Gemini 3.8 Flash（Google）：総合92.2点・4位
- GPT-6.1 Terra（OpenAI）：総合83.4点・5位
- GPT-6 Astra（OpenAI）：総合80.6点・6位
- Gemini 4 Argon（Google）：総合80.6点・6位
- Claude Haiku 5.5（Anthropic）：総合77.8点・8位
- GPT-6.1 Sol（OpenAI）：総合77.8点・8位