エンジニアリング指数
エンジニアリング分野におけるモデルの性能を評価します。土木、電気、機械工学に関する専門知識、設計・分析、ツール・自動化、技術文書などを対象とします。
代表的なワークフローを見るThe Artificial Analysis Engineering Index combines performance across benchmarks chosen for engineering work, spanning engineering knowledge, reasoning, agentic execution, and terminal use. We map common tasks from O*NET occupational classifications, then select benchmarks that represent this real-world work. Weights are derived from how often capabilities appear across those tasks.
This composite metric provides a single score for tracking model performance across engineering tasks. 基礎となるすべてのベンチマークは、Artificial Analysisが独立して実施しています。評価方法の詳細は、知能ベンチマークの方法論をご覧ください。
| 能力 | 重み | 評価 |
|---|---|---|
| 工学知識 | 35% | AA-Omniscience 科学・工学・数学の正確性 |
| 推論 | 30% | HLE、CritPt |
| エージェント型知識作業 | 20% | GDPval-AA v2.1、AA-Briefcase v1.1 |
| エージェント型ターミナル利用 | 15% | Terminal-Bench 4.0 |
スコア
Artificial Analysis エンジニアリング指数
Artificial Analysis エンジニアリング指数：能力の内訳
能力の内訳
Artificial Analysis エンジニアリング指数：工学知識
代表的なワークフロー
エンジニアリング指数で特に重視される能力を測る、実際の業務を想定したワークフローです。
例：Design and analyze a wind turbine support structure to size components against fatigue and extreme-wind load cases, justify safety margins against a governing standard such as IEC 61400, and maximize power output while reliably withstanding environmental stress.
例：Track an intermittent CFD pipeline failure through the CMake build and Conda environment on a Slurm cluster from the terminal, then ship a fix that spares adjacent batch jobs.
例：Read a vendor package of CAD schematics and dimensioned drawings to extract GD&T callouts, materials, and interface dimensions per ASME Y14.5, reconcile conflicts across sheets, and draft a specification that cites each source drawing.
コスト
Artificial Analysis エンジニアリング指数：タスク当たりのコスト
Artificial Analysis エンジニアリング指数 vs. タスク当たりのコスト
速度
Artificial Analysis エンジニアリング指数：タスク当たりの時間
出力トークン
Artificial Analysis エンジニアリング指数：タスク当たりの出力トークン
リリース日
Artificial Analysis エンジニアリング指数 vs. リリース日
よくある質問
Artificial Analysisのエンジニアリング指数によると、現在エンジニアリング業務で最も高い性能を示すAIモデルはClaude Opus 5.5 (Max, Default Fallback) (60)、Claude Opus 5.5 (Xhigh, Default Fallback) (59)、Claude Sonnet 5.5 (Max, Default Fallback) (58)です。ランキングは新しいモデルのリリースに合わせて更新されます。
はい。Artificial Analysisのエンジニアリング指数は、エンジニアリング業務におけるAIモデルの性能を測る独立したベンチマークです。工学知識、定量的推論、エージェント型の実行、ターミナル操作を評価します。
エンジニアリング指数は、エンジニアリング分野におけるモデルの性能を評価するArtificial Analysisの複合ベンチマークです。土木、電気、機械工学などの専門知識に加え、設計と分析、ツールと自動化、技術文書などを評価します。
エンジニアリング指数は、各能力のサブスコアを加重平均して算出します。サブスコアとその重みは、工学知識 (35%)、推論 (30%)、エージェント型知識作業 (20%)、エージェント型ターミナル利用 (15%)です。
エンジニアリング指数にはAA-Omniscience 科学・工学・数学の正確性、HLE、CritPt、GDPval-AA v2.1、AA-Briefcase v1.1、Terminal-Bench 4.0が含まれます。
結果が公開されているモデルの中では、現在Claude Opus 5.5 (Max, Default Fallback)がエンジニアリング指数で最高の60を記録しています。 モデルを見る
エンジニアリング指数のスコアが高いほど、指数を構成するベンチマーク全体での性能が優れていることを示します。特定の用途では、複合スコアよりも個別のベンチマーク結果のほうが参考になる場合があります。