流出したAIベンチマークレポートの写真

{ "type": "学術および技術レポートを表示するコンピュータモニターの写真。", "style": "わずかに傾いた画面の写真。モアレパターン、LCDピクセルグリッド、わずかな反射、LaTeXドキュメントレイアウト、セリフフォントが写っている。", "document_header": { "left": "4. ベンチマーク評価", "right": "{argument name=\"レポートタイトル\" default=\"DeepSeek-V4テクニカルレポート\"}" }, "introductory_text": "{argument name=\"メインモデル名\" default=\"DeepSeek-V4\"}と{argument name=\"競合モデル1\" default=\"GPT-5.3\"}、{argument name=\"競合モデル2\" default=\"Claude Opus 4.6\"}、{argument name=\"競合モデル3\"を要約します。" default=\"Gemini 3.1 Pro Preview\"} 総合評価セクション。", "visualizations": { "legend": "カラーコード付きの5つの項目：濃い青、灰色、薄い灰色、青いストライプ、水色", "bar_charts": { "count": 6, "labels": [ "MMLU-Pro (EM)", "GPQA-Diamond (Pass@1)", "AIME 2025 (Pass@1)", "LiveCodeBench (Pass@1-COT)", "SWE-bench Verified (Resolved)", "Tau-bench (Average)" ] }, "caption": "図1 | コアベンチマークのパフォーマンス比較。DeepSeek-V4は、ほとんどのベンチマークテストで業界をリードする結果を達成しました。" }, "data_table": { "columns": [ "Benchmarking", "{argument name=\"main model name\" default=\"DeepSeek-V4\"}", "{argument name=\"competitor model 1\" default=\"GPT-5.3\"}", "{argument name=\"competitor model 2\" default=\"Claude Opus 4.6\"}", "{argument name=\"competitor model 3\" default=\"Gemini 3.1 Pro Preview\"}", "GPT-4.1" ], "categories": { "count": 4, "rows": [ { "label": "General", "icon": "globe/network", "sub_items": 3 }, { "label": "Reasoning and Mathematics", "icon": "calculator/clipboard", "sub_items": 3 }, { "label": "code", "icon": "code brackets", "sub_items": 3 }, { "label": "Agent", "icon": "robot face", "sub_items": 3 } ] } } }