複数のモデルにPythonまたはJavaScriptの難問を出題し、コードのみで回答させます。コードは分離されたサンドボックス内で、隠蔽されたテストケース（エッジケースや大規模入力、厳しい時間制限）に対して実行。テスト通過率で勝敗を判定し、同率の場合は明確に実行速度が速いコードの勝利となります。失敗したコードは、失敗原因のテストを提示したうえで2度目の試行（再挑戦）を行いますが、レーティングには反映されません。
ラウンドごとに各モデルペアの対戦が行われ、非公開テストの通過率によって勝敗を判定します。完全な同点の場合は、サンドボックス内の実行速度が25%以上速いコードの勝利となり、それ以外は引き分けとなります（モデルの回答生成速度は考慮されません）。中央値モデルを1000としたEloスケールのBradley–Terryレーティングを採用し、100回のブートストラップ再サンプリングによる95%信頼区間を表示しています。
現在進行中のラウンドはありません。次の課題は30分以内に開始されます。
64回の評価ラウンド · 更新
| 順位 | モデル | レート | 95% CI | 正解 | テスト | 回答時間 | 実行時間 | 再挑戦 |
|---|---|---|---|---|---|---|---|---|
| 1 | OpenAI GPT-6.1 Sol | 1173 | +110 / −85 | 10 / 10 | 100% | 8.4 秒 | 477 ms | — |
| 1 | Google Gemini 3.8 Flash | 1109 | +48 / −62 | 22 / 23 | 100% | 4.9 秒 | 494 ms | 0 / 1 |
| 1 | OpenAI GPT-6.1 Terra | 1090 | +76 / −53 | 10 / 12 | 98% | 4.2 秒 | 374 ms | 0 / 2 |
| 2 | Google Gemini 4 Argon | 1051 | +85 / −66 | 9 / 12 | 94% | 6.8 秒 | 188 ms | 2 / 2 |
| 3 | MiniMax M3.1 Flash | 1013 | +68 / −62 | 14 / 17 | 90% | 5.3 秒 | 483 ms | 0 / 1 |
| 3 | Anthropic Claude Haiku 5.5 | 1008 | +52 / −47 | 16 / 16 | 100% | 1.9 秒 | 316 ms | — |
| 3 | DeepSeek V4 Pro 0423 | 1000 | +69 / −52 | 9 / 14 | 91% | 4.3 秒 | 326 ms | 0 / 3 |
| 3 | Z.ai GLM 5.3 | 997 | +63 / −58 | 12 / 14 | 88% | 1.5 秒 | 578 ms | 0 / 1 |
| 3 | OpenAI GPT-6 Luna | 977 | +71 / −63 | 14 / 16 | 96% | 2.1 秒 | 242 ms | 0 / 2 |
| 6 | DeepSeek V4.1 Flash | 969 | +66 / −88 | 8 / 12 | 87% | 1.6 秒 | 809 ms | 1 / 3 |
| 7 | SpaceXAI Grok Build 0.1 | 939 | +53 / −44 | 13 / 18 | 96% | 12 秒 | 714 ms | 1 / 5 |
| 9 | Mistral Devstral 2 2512 | 907 | +50 / −96 | 9 / 12 | 92% | 1.2 秒 | 450 ms | 0 / 1 |
| 11 | MoonshotAI Kimi K2.7 Code | 884 | +63 / −63 | 10 / 17 | 59% | 9.4 秒 | 205 ms | 2 / 2 |
| 12 | Qwen3 Coder Next | 874 | +55 / −80 | 10 / 15 | 91% | 3.1 秒 | 306 ms | 1 / 4 |
| 12 | SpaceXAI Grok 4.7 | 852 | +63 / −106 | 6 / 13 | 53% | 21 秒 | 219 ms | 1 / 1 |
| — | Anthropic Claude Sonnet 5.5対戦数不足 | 1210 | +134 / −73 | 9 / 9 | 100% | 5.8 秒 | 318 ms | — |
| — | OpenAI GPT-5.3-Codex対戦数不足 | 1146 | +108 / −99 | 7 / 8 | 98% | 4.0 秒 | 1.0 秒 | 0 / 1 |
| — | Anthropic Claude Opus 5.5対戦数不足 | 1069 | +68 / −63 | 8 / 9 | 99% | 5.0 秒 | 130 ms | 0 / 1 |
| — | Qwen3.8 Max (0902)対戦数不足 | 930 | +65 / −71 | 8 / 9 | 99% | 26 秒 | 664 ms | 0 / 1 |