教育問題
教育・受験レベルの問題にどれだけ正確に答えられるかを比較します。
このジャンルでは、主に 正確さ、推論の質、完全性 のような力を見ようとしています。
解説ジャンルよりも、試験問題や学習問題に対して正しい答えへ届くかをより重く見ているのが違いです。
ここで高得点でも、創造性、説得力、自由度の高い計画づくりまで強いとは限りません。
このジャンルで強いAIが向いている用途
学習支援、試験対策、教科書型の問題回答です。
このジャンルだけでは判断しきれないこと
長い解説力、発想の広さ、実務文書の適性までは分かりません。
教育Q&A：正確性最重視のジャンル、対戦成績でGPT-5 miniが首位
Anthropic
OpenAI
Anthropic
モデル別の平均スコア
評価の重み付け
教育Q&Aは全34件の採点にもとづき、事実の正確性に最も厳しいジャンルだ。Correctness単独で重み45と全ジャンル中最大を占める。1位はGPT-5 miniで、証拠の面でも最強（5サンプル・5回1位・勝率100%）。ただしその平均9.01は全体最高ではなく、そこがこのジャンルの論点だ。
順位は勝率主導であって平均主導ではなく、両者が乖離する。Claude Sonnet 4.6は全体最高平均（9.29）ながら勝率75%で2位、つまり1位の平均は2位より0.28低い。この逆転は最下位でも起きる。Gemini 2.5 Proは平均8.41と上位の複数モデルより高いのに、4戦すべて競り負け（勝率0%）で最下位だ。
明確な弱点は、難問における軽量Gemini・Claude帯だ。Claude Haiku 4.5（7.78）とGemini 2.5 Flash（6.77）は9点台の上位から大きく下。評価はCorrectnessが支配的なため、この差は難問での事実誤りを反映する。知識ベンチマークが本来モデルを分けるべき箇所だ。とはいえ全体の平均は最高から最低まで0.6点しか開いていない。
多くが2〜6サンプルにとどまり、細かい順位は暫定。特に表中位の2サンプル勢は小サンプルで揺れやすい。勝率による順位は実体があるが、これは条件依存の測定値であり、一般的な知識ランキングではない。
結論
事実Q&Aなら、5サンプルで勝率100%のGPT-5 miniが最も妥当（軽量帯コスト）。素の正確性を重視するならClaude Sonnet 4.6が単独最高平均（9.29）。軽量Gemini帯はこのジャンルで最も弱い。
この分析は Orivel がこのジャンルで実測したベンチマークスコアをもとに生成し、定期的に更新しています。スコアは条件依存の測定値であり、絶対評価ではありません。
このジャンルに強いモデルランキング
このランキングは当ジャンルに限定したスコアの平均順です。
最終更新: 2026/07/07 09:43
勝率
平均スコア
勝率
平均スコア
勝率
平均スコア
勝率
平均スコア
勝率
平均スコア
勝率
平均スコア
勝率
平均スコア
勝率
平均スコア
| モデル | 詳細 | ||||||
|---|---|---|---|---|---|---|---|
| 1位 | Claude Fable 5 | Anthropic |
100%
|
95
|
1 | 1 | Claude Fable 5 の評価・スコアを見る |
| 2位 | GPT-5 mini | OpenAI |
100%
|
90
|
5 | 5 | GPT-5 mini の評価・スコアを見る |
| 3位 | Claude Sonnet 4.6 | Anthropic |
75%
|
93
|
3 | 4 | Claude Sonnet 4.6 の評価・スコアを見る |
| 4位 | GPT-5.5 | OpenAI |
50%
|
90
|
1 | 2 | GPT-5.5 の評価・スコアを見る |
| 5位 | Claude Opus 4.8 | Anthropic |
50%
|
89
|
1 | 2 | Claude Opus 4.8 の評価・スコアを見る |
| 6位 | Gemini 2.5 Flash |
25%
|
68
|
1 | 4 | Gemini 2.5 Flash の評価・スコアを見る | |
| 7位 | Gemini 2.5 Flash-Lite |
14%
|
72
|
1 | 7 | Gemini 2.5 Flash-Lite の評価・スコアを見る | |
| 8位 | Gemini 2.5 Pro |
0%
|
84
|
0 | 4 | Gemini 2.5 Pro の評価・スコアを見る |
このジャンルで評価している項目
このジャンルで使っている採点基準と重みです。
正確さ
45.0%
この項目は、回答の 正確さ を確かめるために入れています。 比重が重いのは、この部分が弱いとジャンル全体の評価が崩れやすいからです。
推論の質
20.0%
この項目は、回答の 推論の質 を確かめるために入れています。 比重がしっかりあるのは、全体の良し悪しに目に見えて効いてくる項目だからです。
完全性
15.0%
この項目は、回答の 完全性 を確かめるために入れています。 比重をやや軽くしているのは、重要ではあるものの、このジャンルの中心そのものではないからです。
分かりやすさ
10.0%
この項目は、回答の 分かりやすさ を確かめるために入れています。 比重をやや軽くしているのは、重要ではあるものの、このジャンルの中心そのものではないからです。
指示遵守
10.0%
この項目は、回答の 指示遵守 を確かめるために入れています。 比重をやや軽くしているのは、重要ではあるものの、このジャンルの中心そのものではないからです。
最新のお題
教育問題
偏ったコインのパターン競争
試験形式の問題：コインは各投で表が出る確率が p（0 < p < 1）である。ここで q = 1 - p とする。コインを繰り返し投げ、3投からなる連続したブロックとしてパターン HTH または HHT のいずれかが初めて現れるまで続ける。例えば、列 T H H T では、パターン HHT が4回目の投で終わる形で現れる。 次の問いに答えよ： 1. HTH が HHT より先に現れる確率はいくらか？ 2. HTH または HHT のいずれかが初めて現れるまでの期待投数はいくらか？ 3. 3投ごとの非重複ブロックを独立な試行とみなす解法がなぜ誤った結果を与えるのかを簡潔に説明せよ。
教育問題
物理問題：柱時計の時間のゆがみ
柱時計は真鍮製の振り子を用いて時を刻んでおり、室温20.0°Cで完全に正確になるように校正されています。夏の熱波の間、室内の平均温度は35.0°Cまで上昇します。 与えられた文脈に基づいて、次の問いに答えてください： 1. 真鍮製振り子の新しい長さを計算してください。元の長さ（20.0°Cで）が正確に1.000メートルであったと仮定します。 2. 35.0°Cにおける振り子の新しい周期を計算してください。 3. 1日の24時間（86,400秒）で時計が何秒進むか遅れるかを求めてください。 4. 結論に至る物理的原理を、温度が時計の精度にどのように影響するかを詳述しながら、明確で段階的に説明してください。
教育問題
月経周期のホルモン制御
患者は、下垂体が黄体形成ホルモン（LH）を全く産生できないという稀な遺伝的状態と診断されており、一方で卵胞刺激ホルモン（FSH）の産生は正常である。この特定の欠損が患者の月経周期に及ぼす連鎖的な生理学的影響を説明しなさい。説明では、典型的な周期を通じて卵胞期、排卵、黄体期、および子宮内膜（エンドメトリウム）に予想される変化を詳述すること。患者は生殖年齢で、その他は健康であると仮定する。
教育問題
氷が浮く理由を説明する：難しい化学の試験問題
固体の水（氷）は、0 °C付近で液体の水より密度が小さい。これは多くの物質が固相の方が液相より密であるのと比べて異常である。以下のすべての点に答える試験形式のエッセイ回答（約350〜550語）を書け。すべての箇所に触れること。 1. 0 °Cにおける氷の密度と、0 °Cおよび4 °Cにおける液体水の概略密度を示し、液体水が最大密度に達する温度を特定する。 2. 分子レベルで、なぜ氷が液体水よりも低密度であるかを説明する。説明には必ず次を参照すること：水素結合、六方晶氷（Ih）における水分子の四面体配位（tetrahedral coordination）、および空洞を伴う開いた格子構造。 3. なぜ0 °C付近の液体水は氷より密であるが、それでも4 °Cの水より低密であるのかを説明する。0 °Cから4 °Cへ温度が上昇する際に働く二つの効果の競合を記述すること：残存する氷様の水素結合クラスターの部分的崩壊（これが密度を増す）と、通常の熱膨張（これが密度を下げる）。 4. この異常性がもたらす重要な生態学的または地球物理学的な結果を少なくとも二つ挙げること（例：冬の湖の層化、水生生物の生存、海氷の振る舞いなど）。 5. 水を別の小さな分子（例：H2S、NH3、CH4など）と簡単に比較し、分子サイズや分極だけでなく、特に水素結合がこの異常を引き起こす理由を示すこと。 用語は正確に使うこと（例：「水素結合」対「共有結合」、「密度」対「比容積」）。数値を引用する場合は適切な単位と妥当な有効数字で示すこと。
教育問題
積が多項式でない理由の解析
ある生徒は、f(x) = (x^2 - 1)/(x - 1) が x ≠ 1 のとき x + 1 に簡約されるため、g(x) = ((x^2 - 1)/(x - 1)) · |x - 1| は多項式であり (x + 1)|x - 1| に等しいと主張しています。この主張を評価しなさい。 すべての項に答えなさい: 1. x ≠ 1 のとき g(x) を可能な限り簡約しなさい。 2. g(x) が実数全体で多項式として延長できるかどうかを判断し、その結論を正当化しなさい。 3. g が x = 1 で微分可能かどうかを述べ、あなたの答えを支持する主要な計算を示しなさい。 4. 生徒の推論における概念的な誤りを簡潔に説明しなさい。 解答は数学的に厳密であると同時に、優秀な高校生が理解できるようにしなさい。
教育問題
ヒトの月経周期におけるホルモンフィードバックループ
ヒトの月経周期におけるホルモン制御を、卵胞期と黄体期に焦点を当てて説明してください。説明ではゴナドトロピン放出ホルモン (GnRH)、黄体形成ホルモン (LH)、卵胞刺激ホルモン (FSH)、エストロゲン、およびプロゲステロンの役割を詳細に示さなければなりません。具体的には、周期を調節する正のフィードバック機構と負のフィードバック機構を説明し、排卵を引き起こす出来事を含めてください。