どうやって測っているのですか

4つのAIに、まったく同じ課題文と同じ材料を、同じ日のうちに投げています。毎回あたらしい会話を開いて、前の回答を引きずらせません。投げる順番は回ごとに入れ替えています。送信してから回答が止まるまでの秒数もあわせて記録しています。

なぜ同じ課題を3回も投げるのですか

AIは同じ質問でも答えが変わるためです。1回だけの結果では、それが実力なのか偶然なのかが分かりません。3回投げて、結論が一致した割合を再現率として出しています。

採点は誰がしているのですか

プログラムだけで採点しています。AIには採点させていません。正解は課題を作る時点で決めてあり、数値の一致・語句の有無・形式の適合・URLが実際に開けるか・数式を実行した結果で決まります。好き嫌いは点にしていません。

課題に使っているデータは実在の会社のものですか

いいえ。架空の会社のデータを毎回あたらしく作っています。実在の企業・人物・他社の文章は使っていません。使った材料はそのまま配っているので、同じことをやり直せます。

AIが答えられなかったときはどう数えていますか

断られた・時間切れは分母に入れて不正解として数えます。プランの上限に当たった・人間確認の画面が出たときは分母から外し、その回は測れなかったものとして扱います。AInformation側の操作の失敗も分母から外し、AIの欠点としては書きません。

使っているのは無料版ですか、有料版ですか

各AIの有料プランを、ブラウザの画面から使っています。APIではありません。プラン名と、画面に出ていたモデル名・確認した時刻を回ごとに記録しています。

この順位は、どのAIがいちばん賢いかを表していますか

いいえ。測っているのは決まった仕事の課題での正解率・所要時間・再現率・出典の実在率・指示の遵守率の5つだけです。書き味や読みやすさ、長い会話でのふるまいは測っていません。課題が変われば順位も変わります。

引用してもいいですか

はい。CC BY 4.0 です。出典として「AInformation調べ AI実務ベンチ」と、使ったページのURL・測定日を書いてください。集計はJSONとCSVでも取れます。1行1試行のCSVを見れば、載せている数字を数え直せます。

レシート・グラフ・表の画像から数字を読む（4AI・6課題・各3回）

Name: レシート・グラフ・表の画像から数字を読む（4AI・6課題・各3回）
Creator: AInformation
Published: 2026-10-24
License: https://creativecommons.org/licenses/by/4.0/

RESULT

この回で分かったこと

下の1行は、採点の結果からそのまま作ったものです。ページ側で足した言葉はありません。

画像・写真の読み取り　6課題・各3回 6課題を各3回ずつ投げたところ、正解率が一番高かったのはChatGPTで14/18試行の77.8%だった（2位はGeminiの66.7%）有効な試行は72回。 1回の検証の結果。日や課題が変われば順位は変わる。 AIごとのスコアを見る

SCORES

AIごとのスコア

並びは正解率の高い順です。分母は、その指標を測れた試行の数です。「—」は測っていないという意味で、0%ではありません。

レシート・グラフ・表の画像から数字を読む（4AI・6課題・各3回）　AIごとのスコア
AI	正解率正解 ÷ 有効な試行	再現率3回で結論が一致	出典の実在率URLが開けた割合	指示の遵守率字数・形式を守った	所要時間中央値／幅
1ChatGPT	77.8% 18試行中14	100% 6課題中	—	100%	36秒 23.5〜51.6秒
2Gemini	66.7% 18試行中12	100% 6課題中	—	100%	183.7秒 89.1〜254.3秒
3Copilot	66.7% 18試行中12	88.9% 6課題中	—	100%	14.2秒 13.8〜17.1秒
4Claude	55.6% 18試行中10	88.9% 6課題中	—	16.7%	13.9秒 13.8〜20.1秒

出典の実在率は、答えと一緒にURLを挙げてもらう課題があった回だけ測っています。 ChatGPT・Gemini・Copilot・Claudeの「—」は、この回ではその課題を出していないという意味です。0%ではありません。

答えが返らなかった試行
ChatGPT … 時間切れ 1回　Gemini … 時間切れ 3回　Copilot … 時間切れ 1回
断られた・時間切れは分母に入れて不正解として数えています。上限・人間確認・AInformation側の操作の失敗は分母から外しています。

TASKS

課題ごとの結果

1つの課題を、4つのAIへ3回ずつ投げています。 ○が正解、×が不正解です。下の数字は、その試行にかかった秒数です。課題の全文・先に決めた正解・なぜその判定になったかは、それぞれ開くと読めます。

易

添付した棒グラフの画像で、一番高い棒の数値はいくつですか。決まり・答えはちょうど1行。数だけを半角で書く・月名… 採点の型：exact_number　数値が正解と一致するか。丸めの幅も先に決めてある

ChatGPT
- ChatGPT 第1回正解 35.9秒
- ChatGPT 第2回正解 51.6秒
- ChatGPT 第3回正解 35.8秒
3試行中3が正解
Gemini
- Gemini 第1回正解 183.7秒
- Gemini 第2回正解 95.3秒
- Gemini 第3回正解 183.6秒
3試行中3が正解
Copilot
- Copilot 第1回正解 14.2秒
- Copilot 第2回正解 13.9秒
- Copilot 第3回正解 13.9秒
3試行中3が正解
Claude
- Claude 第1回不正解 13.9秒
- Claude 第2回不正解 13.9秒
- Claude 第3回不正解 13.9秒
3試行中0が正解

課題の全文この文をそのまま4つのAIへ送りました（67字）

添付した棒グラフの画像で、一番高い棒の数値はいくつですか。決まり・答えはちょうど1行。数だけを半角で書く・月名と説明は書かない

先に決めた正解課題を作った時点で決めています。4つのAI中3つが1回でも正解しました

（機械採点 exact_number）一番高い棒の値＝9700（誤差±0）

採点の中身なぜその判定になったかを1試行ずつ出しています（12試行中9が正解）

ChatGPT　第1回　正解: 数値すべて一致：一番高い棒の値 ○（正解9700）　（35.9秒）　この回答の全文
ChatGPT　第2回　正解: 数値すべて一致：一番高い棒の値 ○（正解9700）　（51.6秒）　この回答の全文
ChatGPT　第3回　正解: 数値すべて一致：一番高い棒の値 ○（正解9700）　（35.8秒）　この回答の全文
Gemini　第1回　正解: 数値すべて一致：一番高い棒の値 ○（正解9700）　（183.7秒）　この回答の全文
Gemini　第2回　正解: 数値すべて一致：一番高い棒の値 ○（正解9700）　（95.3秒）　この回答の全文
Gemini　第3回　正解: 数値すべて一致：一番高い棒の値 ○（正解9700）　（183.6秒）　この回答の全文
Copilot　第1回　正解: 数値すべて一致：一番高い棒の値 ○（正解9700）　（14.2秒）　この回答の全文
Copilot　第2回　正解: 数値すべて一致：一番高い棒の値 ○（正解9700）　（13.9秒）　この回答の全文
Copilot　第3回　正解: 数値すべて一致：一番高い棒の値 ○（正解9700）　（13.9秒）　この回答の全文
Claude　第1回　不正解: 数値が違う：一番高い棒の値 ×（正解9700・答え97009700.0）　（13.9秒）　この回答の全文
Claude　第2回　不正解: 数値が違う：一番高い棒の値 ×（正解9700・答え97009700.0）　（13.9秒）　この回答の全文
Claude　第3回　不正解: 数値が違う：一番高い棒の値 ×（正解9700・答え97009700.0）　（13.9秒）　この回答の全文

易

添付したレシートの画像から、合計金額を読み取ってください。決まり・答えはちょうど1行。合計: ◯ の形で書く・… 採点の型：exact_number　数値が正解と一致するか。丸めの幅も先に決めてある

ChatGPT
- ChatGPT 第1回正解 23.5秒
- ChatGPT 第2回正解 35.9秒
- ChatGPT 第3回正解 39.1秒
3試行中3が正解
Gemini
- Gemini 第1回正解 214.1秒
- Gemini 第2回正解 214秒
- Gemini 第3回正解 183.9秒
3試行中3が正解
Copilot
- Copilot 第1回正解 13.8秒
- Copilot 第2回正解 13.8秒
- Copilot 第3回不正解時間切れ
3試行中2が正解
Claude
- Claude 第1回正解 13.9秒
- Claude 第2回正解 13.9秒
- Claude 第3回正解 13.9秒
3試行中3が正解

課題の全文この文をそのまま4つのAIへ送りました（74字）

添付したレシートの画像から、合計金額を読み取ってください。決まり・答えはちょうど1行。合計: ◯ の形で書く・数は半角で書く。説明は書かない

先に決めた正解課題を作った時点で決めています。4つのAI中4つが1回でも正解しました

（機械採点 exact_number）合計＝1440（誤差±0）

採点の中身なぜその判定になったかを1試行ずつ出しています（12試行中11が正解）

ChatGPT　第1回　正解: 数値すべて一致：合計 ○（正解1440）　（23.5秒）　この回答の全文
ChatGPT　第2回　正解: 数値すべて一致：合計 ○（正解1440）　（35.9秒）　この回答の全文
ChatGPT　第3回　正解: 数値すべて一致：合計 ○（正解1440）　（39.1秒）　この回答の全文
Gemini　第1回　正解: 数値すべて一致：合計 ○（正解1440）　（214.1秒）　この回答の全文
Gemini　第2回　正解: 数値すべて一致：合計 ○（正解1440）　（214秒）　この回答の全文
Gemini　第3回　正解: 数値すべて一致：合計 ○（正解1440）　（183.9秒）　この回答の全文
Copilot　第1回　正解: 数値すべて一致：合計 ○（正解1440）　（13.8秒）　この回答の全文
Copilot　第2回　正解: 数値すべて一致：合計 ○（正解1440）　（13.8秒）　この回答の全文
Copilot　第3回　不正解: 時間切れ（制限時間まで答えが止まらなかった）　（301.6秒）
Claude　第1回　正解: 数値すべて一致：合計 ○（正解1440）　（13.9秒）　この回答の全文
Claude　第2回　正解: 数値すべて一致：合計 ○（正解1440）　（13.9秒）　この回答の全文
Claude　第3回　正解: 数値すべて一致：合計 ○（正解1440）　（13.9秒）　この回答の全文

中

添付した表の画像（少し傾いています）で、月ごとに5商品を足した合計を出してください。決まり・1か月につき1行。◯… 採点の型：exact_number　数値が正解と一致するか。丸めの幅も先に決めてある

ChatGPT
- ChatGPT 第1回正解 36.1秒
- ChatGPT 第2回正解 35.9秒
- ChatGPT 第3回正解 35.7秒
3試行中3が正解
Gemini
- Gemini 第1回正解 181.8秒
- Gemini 第2回正解 254.3秒
- Gemini 第3回不正解時間切れ
3試行中2が正解
Copilot
- Copilot 第1回不正解 14秒
- Copilot 第2回不正解 14秒
- Copilot 第3回正解 14.1秒
3試行中1が正解
Claude
- Claude 第1回不正解 17秒
- Claude 第2回正解 17.6秒
- Claude 第3回不正解 20.1秒
3試行中1が正解

課題の全文この文をそのまま4つのAIへ送りました（98字）

添付した表の画像（少し傾いています）で、月ごとに5商品を足した合計を出してください。決まり・1か月につき1行。◯月: ◯◯◯ の形で、上から順に書く・数は半角で書く。計算の途中式は書かない

先に決めた正解課題を作った時点で決めています。4つのAI中4つが1回でも正解しました

（機械採点 exact_number）2025-07＝58700（誤差±0）／2025-08＝59500（誤差±0）／2025-09＝51200（誤差±0）／2025-10＝43500（誤差±0）

採点の中身なぜその判定になったかを1試行ずつ出しています（12試行中7が正解）

ChatGPT　第1回　正解: 数値すべて一致：2025-07 ○（正解58700）／2025-08 ○（正解59500）／2025-09 ○（正解51200）／2025-10 ○（正解43500）　（36.1秒）　この回答の全文
ChatGPT　第2回　正解: 数値すべて一致：2025-07 ○（正解58700）／2025-08 ○（正解59500）／2025-09 ○（正解51200）／2025-10 ○（正解43500）　（35.9秒）　この回答の全文
ChatGPT　第3回　正解: 数値すべて一致：2025-07 ○（正解58700）／2025-08 ○（正解59500）／2025-09 ○（正解51200）／2025-10 ○（正解43500）　（35.7秒）　この回答の全文
Gemini　第1回　正解: 数値すべて一致：2025-07 ○（正解58700）／2025-08 ○（正解59500）／2025-09 ○（正解51200）／2025-10 ○（正解43500）　（181.8秒）　この回答の全文
Gemini　第2回　正解: 数値すべて一致：2025-07 ○（正解58700）／2025-08 ○（正解59500）／2025-09 ○（正解51200）／2025-10 ○（正解43500）　（254.3秒）　この回答の全文
Gemini　第3回　不正解: 時間切れ（制限時間まで答えが止まらなかった）　（302.5秒）
Copilot　第1回　不正解: 数値が違う：2025-07 ×（正解58700・答え7.0）／2025-08 ×（正解59500・答え7.0）／2025-09 ×（正解51200・答え7.0）／2025-10 ○（正解43500）　（14秒）　この回答の全文
Copilot　第2回　不正解: 数値が違う：2025-07 ×（正解58700・答え7.0）／2025-08 ×（正解59500・答え7.0）／2025-09 ×（正解51200・答え7.0）／2025-10 ○（正解43500）　（14秒）　この回答の全文
Copilot　第3回　正解: 数値すべて一致：2025-07 ○（正解58700）／2025-08 ○（正解59500）／2025-09 ○（正解51200）／2025-10 ○（正解43500）　（14.1秒）　この回答の全文
Claude　第1回　不正解: 数値が違う：2025-07 ×（正解58700・7月の行が無い）／2025-08 ×（正解59500・8月の行が無い）／2025-09 ×（正解51200・9月の行が無い）／2025-10 ×（正解43500・10月の行が無い）　（17秒）　この回答の全文
Claude　第2回　正解: 数値すべて一致：2025-07 ○（正解58700）／2025-08 ○（正解59500）／2025-09 ○（正解51200）／2025-10 ○（正解43500）　（17.6秒）　この回答の全文
Claude　第3回　不正解: 数値が違う：2025-07 ×（正解58700・7月の行が無い）／2025-08 ×（正解59500・8月の行が無い）／2025-09 ×（正解51200・9月の行が無い）／2025-10 ×（正解43500・10月の行が無い）　（20.1秒）　この回答の全文

中

添付した棒グラフの画像の数値を全部足すといくつですか。決まり・答えはちょうど1行。合計: ◯◯◯ の形で書く・… 採点の型：exact_number　数値が正解と一致するか。丸めの幅も先に決めてある

ChatGPT
- ChatGPT 第1回不正解時間切れ
- ChatGPT 第2回正解 36秒
- ChatGPT 第3回正解 35.9秒
3試行中2が正解
Gemini
- Gemini 第1回正解 232.6秒
- Gemini 第2回不正解時間切れ
- Gemini 第3回正解 89.1秒
3試行中2が正解
Copilot
- Copilot 第1回正解 13.9秒
- Copilot 第2回正解 17.1秒
- Copilot 第3回正解 17.1秒
3試行中3が正解
Claude
- Claude 第1回正解 13.9秒
- Claude 第2回正解 13.9秒
- Claude 第3回正解 13.8秒
3試行中3が正解

課題の全文この文をそのまま4つのAIへ送りました（78字）

添付した棒グラフの画像の数値を全部足すといくつですか。決まり・答えはちょうど1行。合計: ◯◯◯ の形で書く・数は半角で書く。計算の途中式は書かない

先に決めた正解課題を作った時点で決めています。4つのAI中4つが1回でも正解しました

（機械採点 exact_number）6か月の合計＝54800（誤差±0）

採点の中身なぜその判定になったかを1試行ずつ出しています（12試行中10が正解）

ChatGPT　第1回　不正解: 時間切れ（制限時間まで答えが止まらなかった）　（302.3秒）
ChatGPT　第2回　正解: 数値すべて一致：6か月の合計 ○（正解54800）　（36秒）　この回答の全文
ChatGPT　第3回　正解: 数値すべて一致：6か月の合計 ○（正解54800）　（35.9秒）　この回答の全文
Gemini　第1回　正解: 数値すべて一致：6か月の合計 ○（正解54800）　（232.6秒）　この回答の全文
Gemini　第2回　不正解: 時間切れ（制限時間まで答えが止まらなかった）　（302.5秒）
Gemini　第3回　正解: 数値すべて一致：6か月の合計 ○（正解54800）　（89.1秒）　この回答の全文
Copilot　第1回　正解: 数値すべて一致：6か月の合計 ○（正解54800）　（13.9秒）　この回答の全文
Copilot　第2回　正解: 数値すべて一致：6か月の合計 ○（正解54800）　（17.1秒）　この回答の全文
Copilot　第3回　正解: 数値すべて一致：6か月の合計 ○（正解54800）　（17.1秒）　この回答の全文
Claude　第1回　正解: 数値すべて一致：6か月の合計 ○（正解54800）　（13.9秒）　この回答の全文
Claude　第2回　正解: 数値すべて一致：6か月の合計 ○（正解54800）　（13.9秒）　この回答の全文
Claude　第3回　正解: 数値すべて一致：6か月の合計 ○（正解54800）　（13.8秒）　この回答の全文

難

添付したレシートの画像を読み取り、JSON だけを出力してください。決まり・出力は JSON だけ。前後に説明文… 採点の型：exact_number　数値が正解と一致するか。丸めの幅も先に決めてある

ChatGPT
- ChatGPT 第1回不正解 39.2秒
- ChatGPT 第2回不正解 39秒
- ChatGPT 第3回不正解 35.9秒
3試行中0が正解
Gemini
- Gemini 第1回不正解 183.6秒
- Gemini 第2回不正解 156.1秒
- Gemini 第3回不正解 137.9秒
3試行中0が正解
Copilot
- Copilot 第1回不正解 17.1秒
- Copilot 第2回不正解 17秒
- Copilot 第3回不正解 14.2秒
3試行中0が正解
Claude
- Claude 第1回不正解 13.9秒
- Claude 第2回不正解 17秒
- Claude 第3回不正解 17秒
3試行中0が正解

課題の全文この文をそのまま4つのAIへ送りました（186字）

添付したレシートの画像を読み取り、JSON だけを出力してください。決まり・出力は JSON だけ。前後に説明文を書かない・形は {"items": [{"name": "品名", "price": 金額}], "subtotal": 小計, "tax": 消費税, "total": 合計} にする・数は数値で入れる（文字列にしない・円記号とカンマを入れない）

先に決めた正解課題を作った時点で決めています。4つのAI中0つが1回でも正解しました

（機械採点 exact_number）小計＝1334（誤差±0）／消費税＝106（誤差±0）／合計＝1440（誤差±0）

採点の中身なぜその判定になったかを1試行ずつ出しています（12試行中0が正解）

ChatGPT　第1回　不正解: 数値が違う：小計 ×（正解1334・小計の行が無い）／消費税 ×（正解106・税の行が無い）／合計 ×（正解1440・合計の行が無い）　（39.2秒）　この回答の全文
ChatGPT　第2回　不正解: 数値が違う：小計 ×（正解1334・小計の行が無い）／消費税 ×（正解106・税の行が無い）／合計 ×（正解1440・合計の行が無い）　（39秒）　この回答の全文
ChatGPT　第3回　不正解: 数値が違う：小計 ×（正解1334・小計の行が無い）／消費税 ×（正解106・税の行が無い）／合計 ×（正解1440・合計の行が無い）　（35.9秒）　この回答の全文
Gemini　第1回　不正解: 数値が違う：小計 ×（正解1334・小計の行が無い）／消費税 ×（正解106・税の行が無い）／合計 ×（正解1440・合計の行が無い）　（183.6秒）　この回答の全文
Gemini　第2回　不正解: 数値が違う：小計 ×（正解1334・小計の行が無い）／消費税 ×（正解106・税の行が無い）／合計 ×（正解1440・合計の行が無い）　（156.1秒）　この回答の全文
Gemini　第3回　不正解: 数値が違う：小計 ×（正解1334・小計の行が無い）／消費税 ×（正解106・税の行が無い）／合計 ×（正解1440・合計の行が無い）　（137.9秒）　この回答の全文
Copilot　第1回　不正解: 数値が違う：小計 ×（正解1334・小計の行が無い）／消費税 ×（正解106・税の行が無い）／合計 ×（正解1440・合計の行が無い）　（17.1秒）　この回答の全文
Copilot　第2回　不正解: 数値が違う：小計 ×（正解1334・小計の行が無い）／消費税 ×（正解106・税の行が無い）／合計 ×（正解1440・合計の行が無い）　（17秒）　この回答の全文
Copilot　第3回　不正解: 数値が違う：小計 ×（正解1334・小計の行が無い）／消費税 ×（正解106・税の行が無い）／合計 ×（正解1440・合計の行が無い）　（14.2秒）　この回答の全文
Claude　第1回　不正解: 数値が違う：小計 ×（正解1334・小計の行が無い）／消費税 ×（正解106・税の行が無い）／合計 ×（正解1440・合計の行が無い）　（13.9秒）　この回答の全文
Claude　第2回　不正解: 数値が違う：小計 ×（正解1334・小計の行が無い）／消費税 ×（正解106・税の行が無い）／合計 ×（正解1440・合計の行が無い）　（17秒）　この回答の全文
Claude　第3回　不正解: 数値が違う：小計 ×（正解1334・小計の行が無い）／消費税 ×（正解106・税の行が無い）／合計 ×（正解1440・合計の行が無い）　（17秒）　この回答の全文

難

添付した表の画像（少し傾いています）の数値を全部足すといくつですか。決まり・答えはちょうど1行。合計: ◯◯◯ … 採点の型：exact_number　数値が正解と一致するか。丸めの幅も先に決めてある

ChatGPT
- ChatGPT 第1回正解 45.3秒
- ChatGPT 第2回正解 38.9秒
- ChatGPT 第3回正解 38.9秒
3試行中3が正解
Gemini
- Gemini 第1回不正解時間切れ
- Gemini 第2回正解 220.3秒
- Gemini 第3回正解 232.1秒
3試行中2が正解
Copilot
- Copilot 第1回正解 16.9秒
- Copilot 第2回正解 17秒
- Copilot 第3回正解 17秒
3試行中3が正解
Claude
- Claude 第1回正解 17秒
- Claude 第2回正解 17秒
- Claude 第3回正解 16.9秒
3試行中3が正解

課題の全文この文をそのまま4つのAIへ送りました（94字）

添付した表の画像（少し傾いています）の数値を全部足すといくつですか。決まり・答えはちょうど1行。合計: ◯◯◯ の形で書く・月の列は足さない。数は半角で書く。計算の途中式は書かない

先に決めた正解課題を作った時点で決めています。4つのAI中4つが1回でも正解しました

（機械採点 exact_number）表の全部の合計＝212900（誤差±0）

採点の中身なぜその判定になったかを1試行ずつ出しています（12試行中11が正解）

ChatGPT　第1回　正解: 数値すべて一致：表の全部の合計 ○（正解212900）　（45.3秒）　この回答の全文
ChatGPT　第2回　正解: 数値すべて一致：表の全部の合計 ○（正解212900）　（38.9秒）　この回答の全文
ChatGPT　第3回　正解: 数値すべて一致：表の全部の合計 ○（正解212900）　（38.9秒）　この回答の全文
Gemini　第1回　不正解: 時間切れ（制限時間まで答えが止まらなかった）　（302.4秒）
Gemini　第2回　正解: 数値すべて一致：表の全部の合計 ○（正解212900）　（220.3秒）　この回答の全文
Gemini　第3回　正解: 数値すべて一致：表の全部の合計 ○（正解212900）　（232.1秒）　この回答の全文
Copilot　第1回　正解: 数値すべて一致：表の全部の合計 ○（正解212900）　（16.9秒）　この回答の全文
Copilot　第2回　正解: 数値すべて一致：表の全部の合計 ○（正解212900）　（17秒）　この回答の全文
Copilot　第3回　正解: 数値すべて一致：表の全部の合計 ○（正解212900）　（17秒）　この回答の全文
Claude　第1回　正解: 数値すべて一致：表の全部の合計 ○（正解212900）　（17秒）　この回答の全文
Claude　第2回　正解: 数値すべて一致：表の全部の合計 ○（正解212900）　（17秒）　この回答の全文
Claude　第3回　正解: 数値すべて一致：表の全部の合計 ○（正解212900）　（16.9秒）　この回答の全文

ANSWERS

4つのAIの回答の全文

採点のもとになった回答を、手を入れずにそのまま置いています。読んだ人が同じように数え直せるようにするためです。

ChatGPT

17件の回答うち14件が正解

t1　第1回

全文（テキスト）　正解

t1　第2回

全文（テキスト）　正解

t1　第3回

全文（テキスト）　正解

t2　第1回

全文（テキスト）　正解

t2　第2回

全文（テキスト）　正解

t2　第3回

全文（テキスト）　正解

t3　第1回

全文（テキスト）　正解

t3　第2回

全文（テキスト）　正解

t3　第3回

全文（テキスト）　正解

t4　第2回

全文（テキスト）　正解

t4　第3回

全文（テキスト）　正解

t5　第1回

全文（テキスト）　不正解

t5　第2回

全文（テキスト）　不正解

t5　第3回

全文（テキスト）　不正解

t6　第1回

全文（テキスト）　正解

t6　第2回

全文（テキスト）　正解

t6　第3回

全文（テキスト）　正解
Gemini

15件の回答うち12件が正解

t1　第1回

全文（テキスト）　正解

t1　第2回

全文（テキスト）　正解

t1　第3回

全文（テキスト）　正解

t2　第1回

全文（テキスト）　正解

t2　第2回

全文（テキスト）　正解

t2　第3回

全文（テキスト）　正解

t3　第1回

全文（テキスト）　正解

t3　第2回

全文（テキスト）　正解

t4　第1回

全文（テキスト）　正解

t4　第3回

全文（テキスト）　正解

t5　第1回

全文（テキスト）　不正解

t5　第2回

全文（テキスト）　不正解

t5　第3回

全文（テキスト）　不正解

t6　第2回

全文（テキスト）　正解

t6　第3回

全文（テキスト）　正解
Copilot

17件の回答うち12件が正解

t1　第1回

全文（テキスト）　正解

t1　第2回

全文（テキスト）　正解

t1　第3回

全文（テキスト）　正解

t2　第1回

全文（テキスト）　正解

t2　第2回

全文（テキスト）　正解

t3　第1回

全文（テキスト）　不正解

t3　第2回

全文（テキスト）　不正解

t3　第3回

全文（テキスト）　正解

t4　第1回

全文（テキスト）　正解

t4　第2回

全文（テキスト）　正解

t4　第3回

全文（テキスト）　正解

t5　第1回

全文（テキスト）　不正解

t5　第2回

全文（テキスト）　不正解

t5　第3回

全文（テキスト）　不正解

t6　第1回

全文（テキスト）　正解

t6　第2回

全文（テキスト）　正解

t6　第3回

全文（テキスト）　正解
Claude

18件の回答うち10件が正解

t1　第1回

全文（テキスト）　不正解

t1　第2回

全文（テキスト）　不正解

t1　第3回

全文（テキスト）　不正解

t2　第1回

全文（テキスト）　正解

t2　第2回

全文（テキスト）　正解

t2　第3回

全文（テキスト）　正解

t3　第1回

全文（テキスト）　不正解

t3　第2回

全文（テキスト）　正解

t3　第3回

全文（テキスト）　不正解

t4　第1回

全文（テキスト）　正解

t4　第2回

全文（テキスト）　正解

t4　第3回

全文（テキスト）　正解

t5　第1回

全文（テキスト）　不正解

t5　第2回

全文（テキスト）　不正解

t5　第3回

全文（テキスト）　不正解

t6　第1回

全文（テキスト）　正解

t6　第2回

全文（テキスト）　正解

t6　第3回

全文（テキスト）　正解

MATERIALS

課題に使った材料

自作のレシート画像・棒グラフ画像・少し傾けた表の画像。元の数は作るときに決めてあるこの回のために2026年10月23日に作り直したものです。落として、同じことをやり直せます。

METHOD

測り方

やり直せるように、この回の条件をそのまま書いています。

測ったAIと、そのときのモデル名

AIは中身が黙って変わります。画面に出ていたモデル名と、確認した時刻を残しています。

測ったAIとモデル名
AI	プラン	画面に出ていたモデル名	確認した時刻
ChatGPT	ChatGPT Pro	GPT-6.1 Sol 軽	2026-10-23 20:56
Gemini	Google AI Pro	Flash	2026-10-23 20:56
Claude	Claude Max	Opus 4.8 高	2026-10-23 20:56
Copilot	Microsoft 365 Personal		2026-10-23 20:56

この回でやったこと

課題に使う材料を、この回のために作り直しました。架空の会社のデータで、実在の企業・人物は含みません。
課題を6問つくり、正解をこの時点で決めました。
ChatGPT・Gemini・Claude・Copilotへ、同じ課題文と同じ材料を送りました。
1問につき3回、毎回あたらしい会話で投げました。
投げる順番は回ごとに入れ替えました。時間帯のかたよりが順位に出ないようにするためです。
待ち時間は300秒までとし、過ぎたものは時間切れとして記録しました。
採点は機械採点のみ（AIに採点させていない）です。
送信した試行はのべ72回、そのうち有効だったのは72回です。

答えが返らなかったときの数え方

断られた・時間切れ
分母に入れて、不正解として数えます。仕事では答えが返らないのと同じためです。
プランの上限に当たった
分母から外します。その試行は測れなかったものとして扱います。
人間確認の画面が出た
そこで止めます。機械で押すことも、避けることもしません。
AInformation側の操作の失敗
分母から外します。AIの欠点としては書きません。

LIMITS

この測定の限界

数字だけを見て判断されないように、測れていないことを書いています。

1日1回の測定である。日や課題が変われば順位は変わる
プランは各AIの有料版（ChatGPT Pro／Google AI Pro／Claude Max／Microsoft 365 Personal）。無料版の結果ではない
既定のモデル・既定のモードだけで測っている（Deep Research などは使っていない）
課題は架空の株式会社サンプル商事の自作データ。実在の企業のデータでの結果ではない
機械で採点できる課題だけを扱っている。文章のうまさ・読みやすさは測っていない
ブラウザで人が使うのと同じ画面から測っている。APIの結果ではない
画面に出ているモデル名を読み取れないAIがある回は、その欄を空（null）にしている。読み取れた回はそのまま載せている

DATA

公開しているデータ

CSVは1行が1試行です。このページに出している数字は、そのCSVを数え直したものと一致します。ライセンスは CC BY 4.0 です。

累積の順位表は /data/research/bench/leaderboard.json にあります。版（v1）は消しません。引用したリンクが切れないようにするためです。

FAQ

よくある質問

どうやって測っているのですか: 4つのAIに、まったく同じ課題文と同じ材料を、同じ日のうちに投げています。毎回あたらしい会話を開いて、前の回答を引きずらせません。投げる順番は回ごとに入れ替えています。送信してから回答が止まるまでの秒数もあわせて記録しています。
なぜ同じ課題を3回も投げるのですか: AIは同じ質問でも答えが変わるためです。1回だけの結果では、それが実力なのか偶然なのかが分かりません。3回投げて、結論が一致した割合を再現率として出しています。
採点は誰がしているのですか: プログラムだけで採点しています。AIには採点させていません。正解は課題を作る時点で決めてあり、数値の一致・語句の有無・形式の適合・URLが実際に開けるか・数式を実行した結果で決まります。好き嫌いは点にしていません。
課題に使っているデータは実在の会社のものですか: いいえ。架空の会社のデータを毎回あたらしく作っています。実在の企業・人物・他社の文章は使っていません。使った材料はそのまま配っているので、同じことをやり直せます。
AIが答えられなかったときはどう数えていますか: 断られた・時間切れは分母に入れて不正解として数えます。プランの上限に当たった・人間確認の画面が出たときは分母から外し、その回は測れなかったものとして扱います。AInformation側の操作の失敗も分母から外し、AIの欠点としては書きません。
使っているのは無料版ですか、有料版ですか: 各AIの有料プランを、ブラウザの画面から使っています。APIではありません。プラン名と、画面に出ていたモデル名・確認した時刻を回ごとに記録しています。
この順位は、どのAIがいちばん賢いかを表していますか: いいえ。測っているのは決まった仕事の課題での正解率・所要時間・再現率・出典の実在率・指示の遵守率の5つだけです。書き味や読みやすさ、長い会話でのふるまいは測っていません。課題が変われば順位も変わります。
引用してもいいですか: はい。CC BY 4.0 です。出典として「AInformation調べ AI実務ベンチ」と、使ったページのURL・測定日を書いてください。集計はJSONとCSVでも取れます。1行1試行のCSVを見れば、載せている数字を数え直せます。

CITATION

この測定を引用する

出典：AInformation調べ「AI実務ベンチ　レシート・グラフ・表の画像から数字を読む（4AI・6課題・各3回）」（https://ainformation.jp/research/bench/gazou-2026-10-24）　測定日 2026年10月24日　6課題・各3回・有効な試行72回

数字を引くときは、分母（何試行中いくつか）も一緒に書いてください。出典として AInformation調べと、使ったページのURL・測定日を書いてください。

この回で分かったこと

AIごとのスコア

課題ごとの結果

4つのAIの回答の全文

課題に使った材料

測り方

測ったAIと、そのときのモデル名

この回でやったこと

答えが返らなかったときの数え方

この測定の限界

公開しているデータ

よくある質問

この測定を引用する

関連するページ