CyberGym end-to-end (AA)のリーダーボード
2026年11月16日時点で、CyberGym end-to-end (AA)の最高スコアは94.7%で、Kimi K3.1 Pro(Moonshot AI)が記録しています。次点はGPT-6 Sol (Daybreak Blue, max)の93.1%です。公表された結果があるのは26のモデル構成です(Artificial Analysis、結果の日付は2026年10月23日)。エクスプロイトからパッチまでの一連の流れを1回の実行で行い、通しで採点。Artificial Analysisが実施。CyberGym end-to-end (AA)はBenchLeader Indexのエージェント・ツールスコアに反映されます。
要点(2026年11月16日時点)
- Kimi K3.1 ProがCyberGym end-to-end (AA)の最高スコア94.7%を記録しています(Artificial Analysis、2026年10月23日)。
- CyberGym end-to-end (AA)の2位はGPT-6 Sol (Daybreak Blue, max)で、93.1%です(Artificial Analysis、2026年9月22日)。
- CyberGym end-to-end (AA):エクスプロイトからパッチまでの一連の流れを1回の実行で行い、通しで採点。Artificial Analysisが実施(Artificial Analysis)。
- BenchLeaderでは26のモデル構成にCyberGym end-to-end (AA)の公表結果があります(BenchLeader、2026年11月16日)。
- CyberGym end-to-end (AA)はBenchLeader Indexのエージェント・ツールカテゴリに反映されます(BenchLeaderの評価方法)。
エクスプロイトからパッチまでの一連の流れを1回の実行で行い、通しで採点。Artificial Analysisが実施。
- カテゴリ
- エージェント・ツール
- Indexでの重み
- 0.5
- モデル
- 26
- データ基準日
- 2026年11月16日
Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.
- 1Kimi K3.1 Pro94.7%
- 2GPT-6 Sol (Daybreak Blue, max) (max)93.1%
- 3Mistral Large 481.7%
- 4Mistral Large 4 (high)79.4%
- 5MiMo-V2.6-Pro78.6%
- 6GPT-6 Luna (max)77.9%
- 7DeepSeek V4.1 Flash 1017 (max)76.3%
- 8Step 5 Preview74.8%
- 9GLM 5.3 Flash74.0%
- 10Grok 4.7 (xhigh)74.0%
- 11Hy472.5%
- 12Mistral Large 4 (medium)71.8%
- 13Muse Spark 1.3 (xhigh)59.5%
- 14Kimi K3 (max)58.0%
- 15Beam 1.045.0%
26件中26件
| # | ||||
|---|---|---|---|---|
| 1 | 94.7% | 61.8 | 2026-10-23 | |
| 2 | 93.1% | – | 2026-09-22 | |
| 3 | 81.7% | 52.9 | 2026-10-06 | |
| 4 | 79.4% | 48.3 | 2026-10-29 | |
| 5 | 78.6% | 57.5 | 2026-09-21 | |
| 6 | 77.9% | 55.1 | 2026-09-22 | |
| 7 | 76.3% | 57.7 | 2026-10-17 | |
| 8 | 74.8% | 56.0 | 2026-09-18 | |
| 9 | 74.0% | 57.8 | 2026-08-26 | |
| 10 | 74.0% | 57.4 | 2026-09-21 | |
| 11 | 72.5% | 56.7 | 2026-11-03 | |
| 12 | 71.8% | 45.9 | 2026-10-29 | |
| 13 | 59.5% | 58.1 | 2026-09-02 | |
| 14 | 58.0% | 60.2 | 2026-07-16 | |
| 15 | 45.0% | 45.9 | 2026-10-16 | |
| 16 | 29.0% | 58.8 | 2026-08-18 | |
| 17 | 24.4% | 56.1 | 2026-06-01 | |
| 18 | 22.9% | 58.5 | 2026-09-10 | |
| 19 | 10.7% | 49.1 | 2026-06-04 | |
| 20 | 8.4% | 59.4 | 2026-09-02 | |
| 21 | 0.8% | 68.4 | 2026-09-22 | |
| 22 | 0.8% | 66.7 | 2026-09-01 | |
| 23 | 0.0% | 67.3 | 2026-09-03 | |
| 24 | 0.0% | 62.6 | 2026-09-22 | |
| 25 | 0.0% | 52.2 | 2026-08-14 | |
| 26 | 0.0% | 51.4 | 2026-08-12 |
エージェント・ツールのベンチマークをもっと見る · LLMベンチマーク一覧
関連するベンチマーク
CyberGym end-to-end (AA)での注目のモデル比較
引用表記:BenchLeader「CyberGym end-to-end (AA)のリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/aa_cybergym_e2e
CyberGym end-to-end (AA):よくある質問
- CyberGym end-to-end (AA)は何を測るベンチマークですか?
- エクスプロイトからパッチまでの一連の流れを1回の実行で行い、通しで採点。Artificial Analysisが実施。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
- CyberGym end-to-end (AA)の最高スコアは?
- 2026年11月16日時点で、CyberGym end-to-end (AA)の最高スコアは94.7%で、Kimi K3.1 Proが記録しています(結果の日付は2026年10月23日)。次点はGPT-6 Sol (Daybreak Blue, max)の93.1%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
- CyberGym end-to-end (AA)でトップのAIモデルは?
- 2026年11月16日時点で、CyberGym end-to-end (AA)の首位はKimi K3.1 Proで、スコアは94.7%です(結果の日付は2026年10月23日)。続いてGPT-6 Sol (Daybreak Blue, max)(93.1%)です。
- CyberGym end-to-end (AA)の結果があるモデルはいくつですか?
- BenchLeaderでは26のモデル構成にCyberGym end-to-end (AA)の結果があり、すべてArtificial Analysisから取得しています。
- CyberGym end-to-end (AA)を運営しているのは誰で、どのくらいの頻度で更新されますか?
- CyberGym end-to-end (AA)はArtificial Analysisが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
- CyberGym end-to-end (AA)はBenchLeader Indexに含まれますか?
- はい。CyberGym end-to-end (AA)はBenchLeader Indexのエージェント・ツールカテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。