自動生成ページです。 AIが自動で作成・翻訳し、ソフトウェアが情報源と照合して確認しています。人間の編集者はいません。SI-IQは公開されているベンチマーク結果から作成した指数であり、IQテストではありません。 仕組み
SI-IQの基になるベンチマーク
SI-IQは現在、13件のベンチマークを指数に使用しています（追跡しているのは合計14件）。各ベンチマークは独立した評価機関が実施しており、開発元自身の主張が指数に使われることはありません。
| ベンチマーク | 分野 | 評価機関 | モデル数 |
|---|---|---|---|
| Chess Puzzles | 推論 | Epoch AI | 81 |
| Furniture Assembly | 推論 | Epoch AI | 34 |
| Mystery Game Puzzles | 推論 | Epoch AI | 78 |
| FrontierMath Tier 4 | 数学 | Epoch AI | 68 |
| FrontierMath Tiers 1–3 | 数学 | Epoch AI | 86 |
| MATH Level 5 | 数学 | Epoch AI | 86 |
| OTIS Mock AIME 2024–2025 | 数学 | Epoch AI | 193 |
| Aider Polyglot | コーディング | Aider | 40 |
| SWE-bench Verified (Epoch AIによる実行) | コーディング | Epoch AI | 32 |
| GPQA Diamond | 知識 | Epoch AI | 205 |
| GPQA Diamond (OpenRouterによる実行) | 知識 | OpenRouter | 117 |
| SimpleQA Verified | 知識 | Epoch AI | 81 |
| Berkeley Function Calling Leaderboard | エージェント | UC Berkeley (Gorilla) | 41 |
| τ²-bench Airline (OpenRouterによる実行) | エージェント | OpenRouter | 117 |
負荷量kは、共通の能力尺度上で、そのベンチマークが強いモデルと弱いモデルをどれだけ明確に区別できるかを示します（値が高いほど情報量が多い）。 算出方法の詳細を読む