the agi index
99
タイムホライズン
4つの指標バー
arc-agi-2
gpqa diamond
swe-bench verified
metr horizon
ゲート 4/7
✓ 新奇な推論 ≥ 人間平均
✓ コンピュータ操作 ≥ 人間
✓ 8時間の自律稼働
✓ エンジニアリング ≥ 90%
○ 査読付き発見
○ 経済的代替
○ 対話型エージェント推論 ≥ 人間 (arc-agi-3)
方法と注意点
各バー:既知の最良モデル ÷ 人間参照値、100で頭打ち、等重み、平均。hleは人間基準がないため除外。arc-agi-2の「バー到達」は公開セットの値で、本物のgateは隠しセットの85%。swe-benchは自己申告ではなく標準化スコアを採用。タイムホライズンの点は opus 4.6、2026年2月、metrの信頼範囲内。16時間超の新しい点は中空で表示。ベンチマークは飽和すると置き換わり、置き換えはこのページで告知され、旧系列は区切りを明示して保管される。arc-agi-3 アップデート:astra は standard harness で62.7%(provider adapter では99.9%——harness でスコアが変わる)。