Benchmarks | AI Infrastructure Database

オプション

データ＆API

サイトのキャッシュデータへの無料読み取り専用JSONアクセス。

ダークモード

ガイドビュー
チップ、データセンター、モデルの専門用語に不慣れな方へ：閲覧しながら重要な用語をわかりやすく解説します。同じデータを、ヘルプ付きでご利用いただけます。

エキスパートビュー
あなたはすでに全体像を把握している。データだけをお届けします。クリーンで、速く、コンパクトに。余分な説明は不要。これがデフォルト表示です。

表示言語

フィールドノート

この業界でスコアをつける手段がベンチマークだ。そのライフサイクルは常に同じ：導入、制覇、引退。各レコードで興味深いのは現在のトップではなく、そのテストが「不可能」から「飽和」に至るまでの速さだ。

まずこの三つから

ML MLPerf AIハードウェアで唯一の、監査済みのリンゴ対リンゴの数字。 SB SWE-bench Verified 実際のGitHubイシュー――コーディングエージェント時代の基準尺。 AA ARC-AGI 暗記への耐性を目指して構築された。それでも破られた。そしてより堅固に再構築された。

Hardware & systems benchmarks

2

ML MLPerf The industry's referee for AI hardware — training and inference rounds. TO TOP500 The supercomputer league table since 1993 — now measuring the public sector's slice.

Model capability benchmarks

10

SB SWE-bench Verified Real GitHub issues, real repos — the coding-agent standard. A( AIME (Competition Math) Olympiad-track problems — where reasoning models showed their jump. AA ARC-AGI Chollet's abstraction puzzles — designed to resist everything but intelligence. FR FrontierMath Research-grade mathematics — built unsolvable, already yielding. GD GPQA Diamond Google-proof PhD science questions — the reasoning era's exam. H& HumanEval & GSM8K The retired classics of coding and grade-school math. HL Humanity's Last Exam 2,500 expert questions with a deliberately final name. L( LMArena (Chatbot Arena) Millions of blind human votes — preference as a leaderboard. M& MMLU & MMLU-Pro The default knowledge exam of 2020–24 — now saturated. MT MTEB The embedding leaderboard behind every retrieval stack.