BenchLeader

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。

公開元
Artificial Analysis
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.

26件中26件
#
1Kimi K3.1 Pro94.7%61.82026-10-23
2GPT-6 Sol (Daybreak Blue, max)max93.1%–2026-09-22
3Mistral Large 481.7%52.92026-10-06
4Mistral Large 4high79.4%48.32026-10-29
5MiMo-V2.6-Pro78.6%57.52026-09-21
6GPT-6 Lunamax77.9%55.12026-09-22
7DeepSeek V4.1 Flash 1017max76.3%57.72026-10-17
8Step 5 Preview74.8%56.02026-09-18
9GLM 5.3 Flash74.0%57.82026-08-26
10Grok 4.7xhigh74.0%57.42026-09-21
11Hy472.5%56.72026-11-03
12Mistral Large 4medium71.8%45.92026-10-29
13Muse Spark 1.3xhigh59.5%58.12026-09-02
14Kimi K3max58.0%60.22026-07-16
15Beam 1.045.0%45.92026-10-16
16GLM 5.3max29.0%58.82026-08-18
17MiniMax M324.4%56.12026-06-01
18DeepSeek V4.1 Flashmax22.9%58.52026-09-10
19Nemotron 3 Ultra 550B A55Bthinking10.7%49.12026-06-04
20Gemini 3.8 Flashhigh8.4%59.42026-09-02
21Claude Opus 5.5max0.8%68.42026-09-22
22Claude Fable 5.1max0.8%66.72026-09-01
23GPT-6 Astramax0.0%67.32026-09-03
24GPT-6 Solmax0.0%62.62026-09-22
25Qwen3.8 27Bxhigh0.0%52.22026-08-14
26Qwen3.8 2.4T A95B0.0%51.42026-08-12

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

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。