Landscape 16:9 heatmap matrix of models × benchmarks.
Columns (rotated 45°): "MMLU", "HumanEval", "GSM8K", "MATH", "BBH", "ARC-C", "HellaSwag", "TruthfulQA".
Rows (right-aligned sans-serif): "GPT-4o", "Claude 4.7 Opus", "Gemini 3 Pro", "Llama 4 405B", "Qwen3-Next", "DeepSeek-V3.1", "Mistral-3 Large", "Yi-3 34B", "Phi-4 14B", "OLMo-2 7B".
Each cell filled with dusty-teal gradient proportional to score; numeric value in each cell (e.g. "72.3", "88.1"). Best score per column outlined in 1.5px soft-terracotta.
Vertical color bar on the right with ticks "0", "25", "50", "75", "100" and label "accuracy (%)".
Title: "Benchmark comparison across 10 frontier LLMs". Subtitle: "zero-shot accuracy; best per benchmark outlined in bold. Evaluated March 2026."
日本語訳
モデル×ベンチマークの横向き 16:9 ヒートマップ行列。
列（45° 回転）：「MMLU」「HumanEval」「GSM8K」「MATH」「BBH」「ARC-C」「HellaSwag」「TruthfulQA」。
行（右揃えサンセリフ）：「GPT-4o」「Claude 4.7 Opus」「Gemini 3 Pro」「Llama 4 405B」「Qwen3-Next」「DeepSeek-V3.1」「Mistral-3 Large」「Yi-3 34B」「Phi-4 14B」「OLMo-2 7B」。
各セルはスコアに比例したくすんだティールのグラデーションで塗り、数値（例：「72.3」「88.1」）を記載。各列の最高スコアは 1.5px の柔らかなテラコッタで囲む。
右側に縦のカラーバー、ティック「0」「25」「50」「75」「100」、ラベル「accuracy (%)」。
タイトル：「Benchmark comparison across 10 frontier LLMs」。サブタイトル：「zero-shot accuracy; best per benchmark outlined in bold. Evaluated March 2026.」
