明確なスコア。オープンな方法論。
出典と方法
AIpediya評価は、モデルの品質、コスト、利用可能なリソースを一つのスコアにまとめています。数字とともに、エビデンスがどれほどそれを支持しているかを説明します。
スケールの読み方
0%から100%まで:高いスコアは、品質、価格効率、適用資源の組み合わせが強まっていることを反映しています。これは単一のテストの正確さではなく、総合スコアです。
同じ評価文脈内でモデルを比較します。十分な証拠がある場合のみランクを示します。
アスタリスクの意味
スコアの横に小さな*は不完全、推定、または限定的なデータを示します。これは推定値への信頼度を表しており、ツールチップを開いて何が含まれているか、何が欠けているかを確認してください。
検証済み
アスタリスクなし:重要な証拠が確認され、スコアは検証要件を満たします。
部分的に検証済み
いくつかの証拠は確認されています。しかし、推定には依然として空白があります。
推定
証拠は乏しく、広範なベースライン推定が用いられています。
不明であることは「悪い」という意味ではありません。直接的な証拠が欠けている場合は、不確実性の間隔を広く持つ中立的な基準線を使用します。主なスコアは中心的な推定値として残ります。保守的な推定値は信頼度とリーダー比較に役立ちます。
三つの構成要素、一つのスコア
品質
許可されたテスト結果、正確なモデルバージョンと評価条件を考慮しています。
価格
同等の標準 API コストです。無料ホスティングの API とローカル実行は別々に扱われます。
資料
このモデルタイプに確認されたコンテキストキャパシティまたは関連するリソース。
局所的な実行;コストはハードウェアと電力に依存します
詳細と出典
計算ルール、制限事項、データの出所をご紹介します。任意のモデルパネルを開くと、その完全な監査を確認できます。
1つの公開評価
公開されたAIpediya評価は常に BALANCEDを使用します。コンテキストは比較可能なタスクを記述します。モデルタイプ間で普遍的なランキングはありません。品質優先および経済プロファイルは、将来の収集のための内部エンジンオプションとして残ります。
許可された外部証拠
標準マスターは正確なモデル、構成、タスク、ランナー、数値結果、日付、出典を保存します。独立した外部結果やArenaの好みは、弱い開発者レポートとは別です。非公開研究、合成データ、上書き複製、権限取り消しは除外されます。AIpediyaは外部結果を集約し、評価ラボを運営していません。
凍結能力スケール
元の凍結能力バスケット、アイテム係数、スケールは変更されていません。新たに承認されたアイテムには、少なくとも5つの正確な凍結シータアンカーと付加のみのリッジバインディングが必要です。未結合のアイテムはマスターに保存されることはできますが、決して無音でスコアされることはありません。Arena Bradley-Terry評価とエージェント IPS は別々の指標で、別々の凍結変換があります。
キャップと正確な構成
ファミリーキャップは有効観測 1.5 です。エポックキャップ 6、その他のランナーキャップ 2。Arenaは有効観測1回と精度 25%の上限を維持します。開発者の証拠は弱く、精度シェアの上限は 20%です。エンジンは客観的なファミリーカバレッジと努力によって正確に一つの構成を選択します。異なる努力はプールされません。未特定の努力は推定されません。
アリーナとライブベンチ
ArenaはHugging Faceの公式lmarena-ai/leaderboard-datasetのみから得られ、 CC BY 4.0 帰属が付けられています。生バージョンやスタイル制御バージョン、集計・サブシグナルは重複カウントされません。LiveBenchは公式に公開されたタスク結果と、公式のリリース/カテゴリ定義を使用しています。これは独立したオブジェクトファミリーであり、独立した外部ランナーです。インポートされるのはサブタスクのみで、カテゴリ平均およびグローバル平均は除外されます。
価格と適用資源
標準ホスティングの API 価格は、既存の凍結アンカーと同等の単位を使用します。確認された恒久的なフリーホスト API はC=1である場合があります。検証された類似 TCO のないローカル重みは経済性N/A/セルフホストです。リソースの定義はコンテキストに依存します: LLM トークンコンテキスト、埋め込み入力制限、 TTS 入力制限、 STT 音声時間、画像解像度、動画時間。未確認の適用リソースは依然として欠落しています。スコアを上げるための新たな任意のリソースアンカーは作成されません。
適用性と重み
各成分は適用可能-既知、適用-欠損、または適用されない。N/Aは推定値がなく重みゼロであり、カバレッジ分母から除外される。残りの BALANCED 重みは 78/16/6から正規化される。欠落した適用成分は元の中立推定値と広範な不確実性を維持した。N/Aと未知は互換できない。
証拠ゲート
適格な全体モデルには、2つの領域に2つの非アリーナファミリーが必要です。コンテキストには十分なモデル、ファミリー、外部ランナーが必要です。専門的なコンテキストは、検証済みの識別性も必要です。新しい結果を保存すること自体がコンテキストの準備状態になるわけではありません。未承認の SWE-bench/CODE 研究は除外のままです。
表示されたスコアと不確実性
表示評価は、適用成分に対するQ^wq 100 ×× (0.2+0.8C)^wc × (0.3+0.7K)^wkの中心的な複合です。各スナップショットはマスク、正確な成分、基本・有効重み、明示的な調整(現在はゼロ)を保存します。実行時間は再現性を検証します。第10パーセンタイルは保守的な信頼度/フロンティア推定値であり、表示されたスコアを置き換えることはありません。
精度、サポート、カバレッジ
精度は、不適合や早期エビデンス調整後の統計的不確実性を表します。サポートは独立した外部ランナーパスをカウントします:Aは少なくとも3つ、Bは2つ、Cは少なくなります。開発者レポートは決して独立したパスにはなりません。カバレッジとは、関連する品質、適用される価格/リソース、正確な構成、外部ランナーの多様性および広さの割合を指します。該当性は除外されます。証拠の欠如は信頼度とアスタリスクに影響を与えます。
新鮮さ
フレッシュネスはリクエストクロックではなく、スナップショットデータのカットオフを使用します。価格/API の可用性閾値は 30/60 日、リソース、 180/365、設定 90/180です。期限切れの必要事実は不明になります。ベンチマークは無効化や権限取り消しのために除外されます。単なる年齢ではありません。スナップショットの年齢は別の警告です。
適合する階級と境界線
正確な公開順位は、互換性のある文脈内の適格モデルに限定されます。 20%未満のカバレッジは正確な順位を抑制し、限られたデータに基づくとしてスコアをラベル付けします。保守的なフロンティアは、凍結された意味のあるギャップ、デルタ、シータ 0.28 、元の適格ゲートを使用します。カタログの数値ソートはクロスコンテキスト #N を発明しません。
再現性
ビルドは6を使用し000決定的モンテカルロが既存の閾値ゾーンで12000を描画します。安定記録IDはシードを定義します。科学的計算は標準マスターの変更後にオフラインで実行されます。実行時の読み取りは検証されたJSONのみです。履歴的スナップショットと元のキャリブレーションバイトは保持されます。
アスタリスクと限界
アスタリスクがないことは、関連する入力と裏付け要件が満たされていることを意味します。部分的な*は裏付けが不完全であること、推定*は必要な入力が不明であるか、品質が先行的なままであることを示します。未知であることは悪いという意味ではありません。単一要素の品質やトークンごとの経済学は、すべての実際の課題を表すことはできません。好みの結果は客観的なベンチマークにはなりません。
カタログの検証方法
AIpediyaは、AIモデルとAIツールを編集部が選定した参照カタログです。モデルとツールは別々のカタログで、それぞれ独自の番号、フィルター、カードを持ちます。厳選されたセレクションであり、存在するすべてのモデルを網羅した完全な登録簿ではありません。
情報源と確認日
各レコードは情報源に基づいています。まず開発元の公式ドキュメント、発表、モデルカード、料金ページを用い、公式の情報源がない場合に限り信頼できる二次情報源を用います。各カードには情報源へのリンクと、編集者が最後に確認した日付が表示されます。確認日はリリース日ではなく、AIpediyaが実施したテストでもありません。
掲載の基準
Publication requires reviewed evidence of the product's existence and identity. Unresolved existence or identity questions keep a candidate in the internal review queue. A real product may remain public with unknown prices, dates or origins, explicitly distinguished from confirmed data. Removing a record from publication preserves its history.
リリース日とカタログ番号
正確なリリース日は、情報源で確認できた場合にのみ表示されます。そうでない場合は、公に存在が確認できる最も早い信頼できる日付を、≈記号付きで月または日の精度で表示します。不明な日付は空欄のままとし、該当するレコードは時系列順で最後に表示されます。カタログ番号は確認済みのリリース日の古い順に付けられ、同じ日付のリリースは名前順に並びます。
価格
価格は、提供元が公表している米ドル建ての定価で、単位を明記しています（例：入力トークン100万あたり、画像1枚あたり、動画1秒あたり、月額）。入力トークンと出力トークン、バッチ、オフピーク、その他の料金区分は、それぞれの条件とともに区別して記載します。無料枠は無制限の無料APIアクセスではなく、サブスクリプションは特定のモデルバージョンではなくサービスに属します。税金、利用上限、地域ごとの条件によって最終的な費用が変わることがあります。不明な価格は空欄のままとし、ゼロにはしません。
開発国
Confirmed origins identify documented countries of the organizations or independent teams responsible for a product, with sources. More than one country can apply. A tentative origin is separately labeled and supported by the available evidence; it is not a confirmed country. An unknown origin does not by itself hide a real product.
独立した評価
同じベンチマークとプロトコルの結果のみが比較可能です。各結果には評価者、ベンチマーク、構成、スナップショット、チェック日が記載されています。開発者の結果は独立した実行や複合インデックスとは別です。サードパーティの結果は、正確なモデルの識別と公開許可の確認が必要です。AIpediya評価 v1.0 は許可された証拠とは別に計算されます。その文脈と制限については以下で説明します。
オープンウェイトとライセンス
オープンウェイトとは、開発元が示すライセンスのもとで重みをダウンロードできることを意味します。オープンソースと同じではなく、モデルをローカルで実行するにはやはりハードウェアと電力が必要です。
不明な値と矛盾する情報源
不明な値は空欄で表示し、ゼロや「いいえ」としては表示しません。情報源の内容が食い違う場合や値を確認できない場合、その値は空欄のままか、レコードはレビュー中のままとなります。値を平均したり推測したりすることはありません。
更新と翻訳
The owner directs research assisted by AI agents and automated consistency checks, and approves publication. Reviewed batches update records, prices, facts and evaluations; an internal history preserves changes. Daily verification of every source is not guaranteed. English and Russian are the authored source languages. Other translations follow the existing pipeline; missing or outdated primary translations fall back to English and prevent indexing of that locale until ready.
Personal features and public access limits
A public general-purpose API and a public per-record revision log are not available. Personal saved models and tools, subscriptions, notifications and product discussions are available through the existing account features; they are separate from the catalog's evidence and rating calculations.
コンテキストとデータスナップショット
データ 2026-11-03 · 方法論テキスト版 v1.0
カタログの検証方法
各結果は、そのソース、ベンチマーク、モデルバージョン、実行条件を保持します。公開が許可されたデータのみを使用しています。開発者の結果は独立した評価とは別に示されています。
Epoch AI ↗ · LMArena ↗ · LiveBench ↗
モデル: 466 · ツール: 186