BenchLeader

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。

順位2026年11月16日
  1. 1NEWClaude Fable 5.2maxAnthropic · $16.00/M72.7▲ 0.1
  2. 2Gemini 4 CarbonhighGoogle · $4.00/M68.9▼ 0.6
  3. 3Claude Opus 5.5maxAnthropic · $8.00/M68.4▼ 0.1
  4. 4GPT-6 AstramaxOpenAI · $20.00/M67.3▲ 0.3
  5. 5Claude Fable 5.1maxAnthropic · $20.00/M66.7▲ 0.2
  6. 6GPT-6.1 SolmaxOpenAI · $4.00/M66.6—
  7. 7Claude Fable 5Anthropic · $20.00/M65.4▼ 0.9
  8. 8GPT-5.6 SolmaxOpenAI · $8.00/M65.3▼ 0.1
  9. 9Gemini 4 ArgonhighGoogle · $4.00/M65.3▼ 0.3
  10. 10Claude Opus 5maxAnthropic · $10.00/M65.0▲ 0.2
紫:首位。矢印:前回変動してからのIndexの変化。 全順位を見る

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。

  1. 1Claude Fable 5.2max79.7$16.00/M
  2. 2Claude Opus 5.5max78.8$8.00/M
  3. 3Claude Fable 575.5$20.00/M

コーディングランキングの全体コーディングプラン比較

新モデルが登場したその日にメールで通知

ランク入りしたときにもう1通、さらに毎週月曜に週刊レビューをお届けします。

プロバイダーとメールの種類を選ぶ

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。

ベストLLMのリストをすべて見る

ほか4件はリリース情報へ。

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。

  1. 1NEWClaude Fable 5.2max72.7109$0.64
  2. 2Gemini 4 Carbonhigh68.964$0.16
  3. 3Claude Opus 5.5max68.4116$0.32
  4. 4GPT-6 Astramax67.341$0.80
  5. 5GPT-6.1 Solmax66.650$0.16
  6. 6NEWGemini 4 Hydrogenhigh63.4170$0.12
  7. 7Kimi K2.5thinking59.443$0.05
  8. 8Qwen3.6 Plus59.052$0.04
  9. 9GLM 5.3 Flash57.854$0.01
  10. 10DeepSeek V4.1 Flash 1017max57.7174$0.02
バーは列内の最高値に対する相対値で、紫がその列のトップです。コストはエージェントによるコーディングセッション1回分(入力6万トークン、出力4千トークン)です。品質ランキングの全体速度ランキングの全体コストランキングの全体

注目度が上昇中の比較

新しい結果が出たベンチマーク

よく検索される比較

変更履歴

  1. 週間レビュー ·

    Claude Fable 5.2 + 8 new AI models: 9 Nov–15 Nov
  2. BenchLeader Indexにランク入り ·

    Gemini 4 HydrogenxhighIndex 61.8

  3. BenchLeader Indexにランク入り ·

    GPT-5.3 ChatIndex 58.3

  4. BenchLeader Indexにランク入り ·

    Deepseek v2.5Index 45.8

  5. 新モデルを掲載 ·

    Nemotron 3.5 Bolt E4Bthinking

  6. BenchLeader Indexにランク入り ·

    Mistral Large 4mediumIndex 45.9

  1. Claude Fable 5.2 + 8 new AI models: 9 Nov–15 Nov週刊レビュー
  2. Nemotron 3.5 Bolt E4B added (15 Nov 2026)日次ダイジェスト
  3. Particle-1 added, GPT-6.1 Sol up to #8 (14 Nov 2026)日次ダイジェスト
  4. Gemini 4 Hydrogen added, GPT-6 Astra up to #6 (12 Nov 2026)日次ダイジェスト

人気の比較

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。

2550 avg75推論コーディングエージェント・ツール数学知識長文コンテキストマルチモーダル人間の評価Claude Fable 5.2, 推論: 75.7Claude Fable 5.2, コーディング: 79.7Claude Fable 5.2, エージェント・ツール: 77.3Claude Fable 5.2, 数学: 74.5Claude Fable 5.2, 知識: 86.3Claude Fable 5.2, 長文コンテキスト: 66.4Gemini 4 Carbon, 推論: 73.2Gemini 4 Carbon, コーディング: 74.1Gemini 4 Carbon, エージェント・ツール: 70.3Gemini 4 Carbon, 数学: 71.9Gemini 4 Carbon, 知識: 76.1Gemini 4 Carbon, 長文コンテキスト: 64.3Gemini 4 Carbon, 人間の評価: 72.6Claude Opus 5.5, 推論: 72.1Claude Opus 5.5, コーディング: 78.8Claude Opus 5.5, エージェント・ツール: 61.3Claude Opus 5.5, 数学: 73.2Claude Opus 5.5, 知識: 72.5Claude Opus 5.5, 長文コンテキスト: 67.1Claude Opus 5.5, マルチモーダル: 70.2GPT-6 Astra, 推論: 72.4GPT-6 Astra, コーディング: 73.2GPT-6 Astra, エージェント・ツール: 63.9GPT-6 Astra, 数学: 70.8GPT-6 Astra, 知識: 72.3GPT-6 Astra, 長文コンテキスト: 65.0GPT-6 Astra, マルチモーダル: 65.6GPT-6 Astra, 人間の評価: 66.2

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。

モデル(クリックで追加・削除)Index

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。