LLMリーダーボード2026:
すべてのベンチマークを、ひとつのランキングに
すべてのベンチマークを、ひとつのリーダーボードに。
48の公開元による285のLLMベンチマーク(うち78がIndexに反映)をひとつの順位表に統合し、6時間ごと(UTC 04:03、10:03、16:03、22:03に開始)に更新しています。BenchLeaderは独自の評価を行いません。Artificial Analysis、LMArena、Epoch AI、LiveBench、SWE-benchなどがすでに測定した結果を突き合わせ、各モデルを実際に実行された推論エフォートのまま、すべての根拠をまとめて評価します。
- ランク入りモデル
- 339
- ランク入り構成
- 608
- 稼働中のデータソース
- 29/29
2026年11月16日時点で、第三者ベンチマークによる総合ランキングの首位はAnthropicのClaude Fable 5.2で、BenchLeader Indexは72.7です。続くのはGemini 4 Carbon(68.9)、Claude Opus 5.5(68.4)です。Claude Fable 5.2の誤差範囲内に6つの構成が入っているため、多くの用途では価格と速度で選ぶことになります。上位15モデルのうち、1ドルあたりの品質が最も高いのはGPT-6.1 Terra(100万トークンあたりのブレンド価格$2.00)です。BenchLeaderは48の公開元による285のベンチマークをもとに339モデルを順位付けし、6時間ごと(UTC 04:03、10:03、16:03、22:03に開始)に更新しています。
- Qwen3.5-9B(thinking)の価格が$0.063/Mから$0.14/Mに値上げ(117%)。
- 日次ダイジェストを読む(英語)
- 1
NEWClaude Fable 5.2maxAnthropic · $16.00/M72.7▲ 0.1
- 2
Gemini 4 CarbonhighGoogle · $4.00/M68.9▼ 0.6
- 3
Claude Opus 5.5maxAnthropic · $8.00/M68.4▼ 0.1
- 4
GPT-6 AstramaxOpenAI · $20.00/M67.3▲ 0.3
- 5
Claude Fable 5.1maxAnthropic · $20.00/M66.7▲ 0.2
- 6
GPT-6.1 SolmaxOpenAI · $4.00/M66.6—
- 7
Claude Fable 5Anthropic · $20.00/M65.4▼ 0.9
- 8
GPT-5.6 SolmaxOpenAI · $8.00/M65.3▼ 0.1
- 9
Gemini 4 ArgonhighGoogle · $4.00/M65.3▼ 0.3
- 10
Claude Opus 5maxAnthropic · $10.00/M65.0▲ 0.2
コーディング向けベスト
コーディングハブ:ベンチマーク、エージェント、プランSWE-bench、LiveCodeBench、Terminal-Benchなどのコーディングベンチマークを組み合わせたコーディングスコアで順位付けしています。
予算別・コスパのベスト
全モデルの1ドルあたり品質100万トークンあたりのブレンドAPI価格帯ごとに、BenchLeader Indexが最も高いモデル。
用途別ベストLLM(2026年11月)
用途ごとにひとつのランキング。第三者ベンチマークから毎日作り直しています。
NEW今週
リリース情報Nemotron 3.5 Bolt E4B thinkingNVIDIA・2026年11月15日初測定結果待ち
Particle-1 推論なしParticle AI・2026年11月14日初測定結果待ちGemini 4 Hydrogen highGoogle・2026年11月12日リリース#1663.4
U2 Flash Unisound・2026年11月11日初測定結果待ちERNIE 5.5 Flash Baidu・2026年11月11日初測定結果待ち
ERNIE-Light-DT-1.0 Baidu・2026年11月11日初測定結果待ち
ほか4件はリリース情報へ。
- Codestral 2501 11月15日
- Nemotron 3.5 Bolt E4B 11月15日
- Gemini 4 Hydrogen 11月12日16位vs Gemini 4 Carbonvs GPT-5.4vs Claude Opus 4.7vs GPT-5.4 Pro
- U2 Flash 11月11日
- ERNIE 5.5 Flash 11月11日
- ERNIE-Light-DT-1.0 11月11日
- Claude Fable 5.2 11月9日1位vs Claude Fable 5.1vs Gemini 4 Carbonvs GPT-6 Astravs GPT-6.1 Sol
- Muse Ember 11月9日140位vs Muse Spark Open 816B A42Bvs Inkling Smallvs Qwen3.5-27Bvs Gemma 4 31B
- Claude Mythos 5.2 11月9日最初の結果待ちvs Claude Fable 5.2vs Claude Opus 5.5
- Agnes 2.5 Pro Theta 11月7日161位vs Ling 3.1 Flashvs GLM 4.7 Flashvs Nemotron 3 Super 120B A12B
- Inkling 2 Small 11月5日67位vs Inkling Smallvs GLM 5.3 Flashvs DeepSeek V4.1 Flash 1017vs Muse Spark Open 816B A42B
- Doubao Seed Evolving 11月2日最初の結果あり・Indexはまだなしvs Doubao Seed 2.1 Pro 260628
フロンティアボード
今週注目の10モデルを3つの観点で比較。列を選ぶと並べ替え、もう一度選ぶと順序が逆になります。
- 1NEW
Claude Fable 5.2max72.7109$0.64
- 2
Gemini 4 Carbonhigh68.964$0.16
- 3
Claude Opus 5.5max68.4116$0.32
- 4
GPT-6 Astramax67.341$0.80
- 5
GPT-6.1 Solmax66.650$0.16
- 6NEW
Gemini 4 Hydrogenhigh63.4170$0.12
- 7
Kimi K2.5thinking59.443$0.05
- 8
Qwen3.6 Plus59.052$0.04
- 9
GLM 5.3 Flash57.854$0.01
- 10
DeepSeek V4.1 Flash 1017max57.7174$0.02
今週のトレンド
注目度が上昇中の比較
新しい結果が出たベンチマーク
- AIME 2025 (AA) 新規・更新177件
- GDPval-AA v2.1 新規・更新147件
- GameBench 2 by reasoning setting 新規・更新102件
週間レビュー ·
Claude Fable 5.2 + 8 new AI models: 9 Nov–15 NovBenchLeader Indexにランク入り ·
Gemini 4 HydrogenxhighIndex 61.8
BenchLeader Indexにランク入り ·
GPT-5.3 ChatIndex 58.3
BenchLeader Indexにランク入り ·
Deepseek v2.5Index 45.8
新モデルを掲載 ·
Nemotron 3.5 Bolt E4Bthinking
BenchLeader Indexにランク入り ·
Mistral Large 4mediumIndex 45.9
人気の比較
関連: LLMの価格統計、LLMの速度統計、月別のAIモデルリリース数、ベンチマークの飽和、安くて優秀なLLM(統計ページは英語)
カテゴリ別のベンチマークランキング: AIエージェントのベンチマーク、AIコーディングのベンチマーク、推論・数学のベンチマーク、マルチモーダルAIのベンチマーク
分野別にモデルを比較
各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。
破線:そのモデルは横切る軸の結果がなく、線は隣の軸同士をつないでいるだけです。
描画していないもの(測定済みのモデルが2つ未満):指示追従。
BenchLeader Index
1モデル1行で、最もスコアの高い推論エフォートを表示します。エフォート同士を比べるには「すべての構成」に切り替えてください。列をクリックすると並べ替えられます。 算出方法
よくある質問
- いま最も優れたLLMはどれですか?
- 2026年11月16日時点で、BenchLeader Indexの1位はAnthropicのClaude Fable 5.2(max)(72.7)で、Gemini 4 Carbon(high)(68.9)とClaude Opus 5.5(max)(68.4)が続きます。ベストLLMのページでは、コーディング、エージェント、価格、速度といった用途別のランキングを見られます。
- 2026年11月のLLMリーダーボードは?
- 2026年11月16日時点の上位3モデルはClaude Fable 5.2(max)(72.7)、Gemini 4 Carbon(high)(68.9)、Claude Opus 5.5(max)(68.4)で、ランク入りしたモデルは全部で331モデルです。リーダーボードは48の公開元による285のベンチマークをもとに、6時間ごと(UTC 04:03、10:03、16:03、22:03に開始)に作り直しています。
- リーダーボードで最も優れたオープンソースLLMはどれですか?
- 2026年11月16日時点で最上位のオープンウェイトモデルはMoonshot AIのKimi K3.1 Proで、BenchLeader Indexは61.8です(総合上位100位以内)。ほかのモデルは「最良のオープンウェイトLLM」のページに載っています。製品に組み込む前に、各モデルのライセンスを確認してください。
- BenchLeaderではAIモデルをどう順位付けしていますか?
- BenchLeaderは独自のテストを行いません。第三者のベンチマーク公開元がすでに発表した結果を組み合わせています。各ベンチマークのスコアは、評価対象モデルの平均が50、1標準偏差が15点になるよう標準化し、カテゴリ(コーディング、推論、数学など)ごとに平均したうえで、カテゴリをBenchLeader Indexにまとめます。ランク入りには2つ以上のカテゴリにまたがる5つ以上の第三者の結果が必要で、根拠が少ないモデルのスコアは50に向けて縮小されます。詳しくは算出方法のページをご覧ください。
- リーダーボードはどのくらいの頻度で更新されますか?
- 6時間ごとです。更新はUTC 04:03、10:03、16:03、22:03に始まり、直近の更新は2026年11月16日に完了しました。日々の変化はブログの日次ダイジェストとAtomフィードで確認できます。