manapickAI

自己採点ワークシート

自分のAIを、自分で測る AIセルフテスト

「今のプランのAIは、自分の使い方に足りているのか」。評判だけでは分からないので、同じ課題を自分の契約で試して確かめる方法です。このページは、固定の課題5件と共通の採点基準を用意した、自己採点のためのワークシートです。

これは練習用の自己採点ワークシートです。manapick AIが測った結果ではありません。

結果と条件はこの端末のブラウザにだけ保存され、AIの回答文は保存も送信もされません。回答は毎回変わるため、結果は「測った日の、その条件での1回の記録」です(実施日と表示モデル名をあわせて記録します)。

測れるAI

自分の契約しているAIを選んで測ります。主なAIはこちら(ほか285件から選べます)。

進め方

  1. 1

    課題をコピーして、自分のAIに送る

    課題は5件、すべて架空の練習データです。課題ごとに新しいチャットを開いて送ると、前の会話に引っ張られずに測れます。

  2. 2

    返ってきた答えを、このページで採点する

    形式を指定した課題は、回答を貼ると自動で照合します。貼らなくても、答え合わせを見ながら自分で項目を付けられます。貼った回答は保存も送信もされません。

  3. 3

    結果を記録して、別のAIと比べる

    結果はこの端末にだけ保存されます。別のプランや別のAIでも同じ課題を測ると、同じ物差しで並べて比べられます。

測る(課題セット 2026-11-v2)

これは、あなたが自分のAIの返答を、自分で採点する練習用のワークシートです。manapick AIが測った結果ではありません。

測るAIを選ぶ

まずは測るAIを選ぶだけで始められます。プランや表示モデル名などの条件は、比べるときに効いてくるので、結果画面からあとで足すこともできます。入力した内容はこの端末にだけ保存され、送信されません。

条件を足す(任意・比べるときに効きます)

課題は5件、自分のAIとの往復を含めて目安30分前後です。1件だけでも結果が見られます。途中で閉じても、続きから再開できます。

課題の例と、結果の見本

始める前に、課題と結果の形を確認できます。課題は5件とも、こうした架空の練習データです。

課題の例(課題1の冒頭)

次のメモを指定の形式で整理してください。出力はJSONだけにしてください。前置きや説明文は付けないでください。

メモ:
「11月の勉強会は、田辺が会場を予約する。開催日は2026年11月21日。参加費は1人500円で、定員は20人。資料の印刷は鈴木が担当するが、部数はまだ決まっていない。申し込みの締切は開催日の3日前。」

…(このあと、出力するJSONのキーの指定が続きます)

結果の見本

見本(ダミーの数字です)実際の結果画面の形です。数字は例で、誰かの測定結果ではありません。
指示遵守86%(6/7項目)
補完しない力80%(4/5項目)
推論・計算(最終回答)67%(2/3項目)
要約の忠実さ75%(6/8項目)
長文脈の記憶(短縮版)83%(5/6項目)

合計点は出さず、軸ごとに「どこで間違えたか」を答え合わせつきで残します。

5つの軸で測ること

  • 指示遵守:メモを指定のJSON形式に整理させます。キーの過不足、日付や金額の転記、決まっていない項目を null にできるかを見ます。
  • 補完しない力:書かれていない日付や担当を、決まったことのように書かないかを見ます。形式の項目(null・false の指定)はプロンプトで答えを指示しているため、本当の分かれ目は本文側の2項目です。
  • 推論・計算(最終回答):料金計算と順序のパズルの、最終回答だけを照合します。途中の考え方は採点しません。
  • 要約の忠実さ:約600字の案内文を200字以内に要約させ、要点の残り具合と、無い事実を作っていないかを見ます。手採点が中心の軸です。
  • 長文脈の記憶(短縮版):約1,100字の中の似た事実(日付・名前・数字)の取り違えを見ます。実務の長文では結果が変わるため、「短縮版」と明記しています。

測れること、測れないこと

測るのは、仕事の書類作業に効く5つです。指示された形式を守れるか。書かれていないことを決まったように書かないか。計算と順序の最終回答が合っているか。要約で要点を落とさず、無いことを足さないか。長い文の中の似た事実を取り違えないか。

逆に、文章の上手さや自然さ、アイデアの良し悪しは測りません。正解がなく、自己採点では自分の好みに引っ張られて物差しにならないためです。応答の速さも、回線や混雑で変わるため点数にしていません。

限界も書いておきます。上位プラン同士の比較では差が出にくい設計で、差が出やすいのは要約と補完の軸です。無料プランと有料プランの大きな差や、「形式を守れない」「無いことを作る」といった失敗の有無を見る物差しだと考えてください。

課題と答え合わせはこのページで公開されているため、将来のモデルが暗記で解けてしまう可能性があります。結果は「実施時点の、そのモデルの記録」として扱い、課題セットは見直して版を上げ、旧版とは比べられないようにします。

結果の読み方

  • 1回だけの結果で断定しないでください。気になる軸は日を変えてもう一度測ると、ブレの大きさが見えます。
  • 差はポイントではなく項目数で見てください。1項目分の差は軸によって約13〜33ポイントあり、その範囲はたまたまのブレです。2項目分以上ちがう軸だけが判断材料になります。
  • 測っているのは「素の性能」ではなく、あなたの契約・プラン・モードのままの姿です。普段使いの実力を見るには、そのほうが実用的です。
  • 無料プランで回数制限にかかった課題は「未実施」として扱い、点数の低さと混ぜないでください。
  • 「何点か」より「どこで間違えたか」が判断の材料になります。結果画面では、できなかった項目を答え合わせつきで残します。

運営の実測との違い

当サイトには、運営が自分の環境でAIを動かして記録した実測のページもあります。そちらは運営が実施・判定した記録で、このページはあなたが自分の契約で実施・採点する記録です。混同しないよう、名前も見せ方も分けています。料金や無料枠の比較はマイ比較表、サイトの採点の考え方は採点についてにあります。

課題はすべて当サイトが作った架空の練習データで、実在の個人・企業・業務データは使っていません。課題セットの版は 2026-11-v2 です。課題を差し替えたら版を上げ、違う版同士の結果は比べられないようにします。