LOCAL MODEL ARENA

稼働中 · 16 件 · 2026-06-21

どのAIが本当に作れて
考えられるか?

ローカルとフロンティアのモデルを同じ客観テストに —— 各モデルが書いたゲームはその場で遊べ、コードは隠しテストで実行、推論は伏せた解答キーで判定。LLMによる審査はしません。

フロンティア級の4サーフェス —— 3モデル系統、Claudeは複数の使い方 —— を同じ客観テストに。LLM審査なし、コードが動くかどうかだけ。最大の差は下の通り。2軸(コーディング・イラスト)は全モデルが天井で同点です。

100首位glm-5.2

70最下grok-4.3

−30art/v1

100最高スコア

4モデル

16実行

4軸

モデル一覧 —— 全軸を一目で

claude-opus-4.8 (web)

Web · 手動

ゲーム制作100モンスター対戦82コーディング・推論=100イラスト (SVG)87

ゲーム制作で首位

claude-opus-4.8 (Code · ULTRA)

Web · 手動

ゲーム制作75モンスター対戦82コーディング・推論=100イラスト (SVG)95

単独首位の軸なし

glm-5.2

Web · 手動

ゲーム制作85モンスター対戦100コーディング・推論=100イラスト (SVG)100

イラスト (SVG) で首位

grok-4.3

Web · 手動

ゲーム制作85モンスター対戦72コーディング・推論=100イラスト (SVG)70

単独首位の軸なし

採点の仕組み

各実行はcontent-addressedで追記専用。ゲーム/対戦のコードはオフラインのヘッドレスブラウザ(ネット遮断)で汎用ボットが実プレイ、コードは隠しユニットテスト、推論は伏せた解答キーで照合。スコアは正答率のみ —— 速度は記録するが順位には使わない(ローカルとクラウドはハードが違う)。モデルが他のモデルを審査することは一切ない。

ゲーム制作

仕様からブラウザゲームを生成 —— 読込・描画・≥50fps・攻略可・敗北可を判定。

4件

game/v24 件

1

100/100 σ 11.79 · n=3

claude-opus-4.8 (web)

Web · 手動 game/v2
▶ このモデルのゲームを遊ぶ

読込15/15
起動10/10
JS仕様10/10
描画10/10
≥50fps10/10
攻略可20/20
操作反映15/15
敗北可10/10
2

85/100 σ 11.22 · n=5

grok-4.3

Web · 手動 game/v2
▶ このモデルのゲームを遊ぶ

読込15/15
起動10/10
JS仕様10/10
描画10/10
≥50fps10/10
攻略可20/20
操作反映0/15
敗北可10/10
3

85/100 σ 11.14 · n=5

glm-5.2

Web · 手動 game/v2
▶ このモデルのゲームを遊ぶ

読込15/15
起動10/10
JS仕様10/10
描画10/10
≥50fps10/10
攻略可20/20
操作反映0/15
敗北可10/10
4

75/100 σ 17.15 · n=5

claude-opus-4.8 (Code · ULTRA)

Web · 手動 game/v2
▶ このモデルのゲームを遊ぶ

読込15/15
起動10/10
JS仕様10/10
描画10/10
≥50fps10/10
攻略可20/20
操作反映0/15
敗北可0/10

モンスター対戦

ポケモン風ターン制 —— 技API・双方の行動・決着を判定。

4件

battle/v24 件

1

100/100 σ 0.0 · n=3

glm-5.2

Web · 手動 battle/v2
▶ このモデルのゲームを遊ぶ

読込5/5
起動5/5
JS仕様10/10
描画5/5
技発動5/5
双方行動5/5
決着5/5
勝利可12/12
技数8/8
技パラメータ6/6
威力多様8/8
戦略技10/10
視覚密度16/16
2

82/100 σ 0.0 · n=3

claude-opus-4.8 (Code · ULTRA)

Web · 手動 battle/v2
▶ このモデルのゲームを遊ぶ

読込5/5
起動5/5
JS仕様10/10
描画5/5
技発動5/5
双方行動5/5
決着5/5
勝利可12/12
技数8/8
技パラメータ6/6
威力多様8/8
戦略技0/10
視覚密度8/16
3

82/100 σ 0.0 · n=3

claude-opus-4.8 (web)

Web · 手動 battle/v2
▶ このモデルのゲームを遊ぶ

読込5/5
起動5/5
JS仕様10/10
描画5/5
技発動5/5
双方行動5/5
決着5/5
勝利可12/12
技数8/8
技パラメータ6/6
威力多様8/8
戦略技0/10
視覚密度8/16
4

72/100 σ 0.0 · n=3

grok-4.3

Web · 手動 battle/v2
▶ このモデルのゲームを遊ぶ

読込5/5
起動5/5
JS仕様10/10
描画5/5
技発動5/5
双方行動5/5
決着5/5
勝利可12/12
技数8/8
技パラメータ0/6
威力多様0/8
戦略技0/10
視覚密度12/16

コーディング・推論

隠しユニットテストのコード + 伏せた解答キーの推論。LLM審査なし。

4件

text/v24 件4者同点 · 全員満点

天井軸 —— 4モデルすべてが全ケース正解(難コーディング6 + ひっかけ推論6)。本当の差はゲーム制作とモンスター対戦に出ます。

=

100/100 n=1

grok-4.3

Web · 手動 text/v2

コード(厳格)50/50
推論50/50
=

100/100 n=1

claude-opus-4.8 (Code · ULTRA)

Web · 手動 text/v2

コード(厳格)50/50
推論50/50
=

100/100 n=1

glm-5.2

Web · 手動 text/v2

コード(厳格)50/50
推論50/50
=

100/100 n=1

claude-opus-4.8 (web)

Web · 手動 text/v2

コード(厳格)50/50
推論50/50

イラスト (SVG)

SVGイラストを手書き —— 有効なSVG・形状量・配色を判定。

4件

art/v14 件

1

100/100 n=1

glm-5.2

Web · 手動 art/v1

読込10/10
SVG有効10/10
形状量30/30
配色多様22/22
技法16/16
図形多様12/12
2

95/100 n=1

claude-opus-4.8 (Code · ULTRA)

Web · 手動 art/v1

読込10/10
SVG有効10/10
形状量30/30
配色多様22/22
技法16/16
図形多様7/12
3

87/100 n=1

claude-opus-4.8 (web)

Web · 手動 art/v1

読込10/10
SVG有効10/10
形状量22/30
配色多様22/22
技法16/16
図形多様7/12
4

70/100 n=1

grok-4.3

Web · 手動 art/v1

読込10/10
SVG有効10/10
形状量14/30
配色多様15/22
技法9/16
図形多様12/12