BenchLeader

EnterpriseOps-Gymのリーダーボード

2026年11月16日時点で、EnterpriseOps-Gymの最高スコアは51.1%で、Claude Fable 5(Anthropic)が記録しています。次点はGemini 3.7 Flashの50.4%です。公表された結果があるのは51のモデル構成です(Artificial Analysis、結果の日付は2026年6月9日)。架空の企業での業務オペレーション。チケット、承認、各種システムを操作して仕事を完了させます。EnterpriseOps-Gymは参考として掲載しており、BenchLeader Indexには含まれません。

要点(2026年11月16日時点)

  • Claude Fable 5がEnterpriseOps-Gymの最高スコア51.1%を記録しています(Artificial Analysis、2026年6月9日)。
  • EnterpriseOps-Gymの2位はGemini 3.7 Flashで、50.4%です(Artificial Analysis、2026年8月13日)。
  • EnterpriseOps-Gym:架空の企業での業務オペレーション。チケット、承認、各種システムを操作して仕事を完了させます(Artificial Analysis)。
  • BenchLeaderでは51のモデル構成にEnterpriseOps-Gymの公表結果があります(BenchLeader、2026年11月16日)。
  • EnterpriseOps-GymはBenchLeader Indexには反映されず、参考として掲載しています(BenchLeaderの評価方法)。

架空の企業での業務オペレーション。チケット、承認、各種システムを操作して仕事を完了させます。

公開元
Artificial Analysis
カテゴリ
エージェント・ツール
Indexでの重み
参考のみ
モデル
51
データ基準日
2026年11月16日

Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.

51件中51件
#
1Claude Fable 5max51.1%65.12026-06-09
2Gemini 3.7 Flashmedium50.4%60.12026-08-13
3Gemini 3.5 Flashhigh50.1%62.52026-05-19
4DeepSeek V4 Promax49.6%54.72026-08-13
5Grok 4.6high48.3%60.62026-08-12
6Qwen3.8 Maxmax47.6%58.72026-09-02
7Claude Opus 5max47.5%65.02026-07-24
8Qwen3.8 2.4T A95B47.4%51.42026-08-12
9Muse Spark 1.2xhigh47.3%61.52026-08-05
10Step 5 Preview47.2%56.02026-09-18
11Deepseek v4 Flash Visionmax47.1%–2026-08-21
12Inkling 2 Small46.8%57.92026-11-05
13GPT-5.5xhigh46.6%64.12026-04-23
14Kimi K3max45.3%60.22026-07-16
15Qwen3.7max45.0%60.02026-05-19
16Claude Sonnet 5max44.7%56.12026-06-30
17Qwen3.8 27Bxhigh44.2%52.22026-08-14
18GPT-5.5medium44.1%60.82026-04-23
19Claude Opus 4.8max44.0%61.12026-05-28
20Claude Sonnet 5xhigh43.9%55.42026-06-30
21GPT-5.6 Solmax42.9%65.32026-07-09
22GLM 5.2max42.7%58.92026-06-16
23Inkling Small42.7%52.02026-07-30
24Gemini 3.5 Flash Lite42.4%51.42026-07-21
25Gemini 3.1 Pro42.2%59.92026-02-19
26Grok 4.5high40.8%56.82026-07-08
27GPT-5.6 Lunamax40.8%56.22026-07-09
28Qwen3.7 Plus40.6%57.62026-06-01
29DeepSeek V4 Pro 0424max40.4%–2026-04-24
30Kimi K2.7 Code40.2%53.92026-06-12
31DeepSeek V4 Flash 0420max39.6%–2026-04-24
32Kimi K2.6thinking38.5%59.32026-04-20
33GPT-5.6 Terramax38.5%59.52026-07-09
34Inklingxhigh38.0%50.02026-07-15
35GLM 5.3max36.4%58.82026-08-18
36Muse Glimmerhigh34.7%46.52026-08-10
37GPT-5.4 Minixhigh34.6%55.12026-03-17
38Mistral Medium 3.533.7%46.62026-04-29
39GLM 5.3 Flash33.2%57.82026-08-26
40MiniMax M332.1%56.12026-06-01
41GPT-5.4 Nanoxhigh31.5%53.92026-03-17
42Qwen3.5 397B A17Bthinking30.9%56.42026-02-16
43Claude Haiku 4.5thinking29.4%45.72025-10-15
44Step 3.7 Flash29.1%53.02026-05-29
45Nemotron 3 Ultra 550B A55Bthinking28.9%49.12026-06-04
46Gemma 4 31Bthinking28.4%46.62026-04-02
47Gemini 3.1 Flash Lite28.0%52.62026-03-03
48Grok 4.3high26.3%56.52026-04-30
49gpt-oss-120bhigh25.5%45.32025-08-05
50Nemotron 3 Super 120B A12Bthinking23.6%51.12026-03-11
51Nemotron 3.5 Lightning18.4%41.42026-08-11

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「EnterpriseOps-Gym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_enterprise_ops_gym

EnterpriseOps-Gym:よくある質問

EnterpriseOps-Gymは何を測るベンチマークですか?
架空の企業での業務オペレーション。チケット、承認、各種システムを操作して仕事を完了させます。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。
EnterpriseOps-Gymの最高スコアは?
2026年11月16日時点で、EnterpriseOps-Gymの最高スコアは51.1%で、Claude Fable 5が記録しています(結果の日付は2026年6月9日)。次点はGemini 3.7 Flashの50.4%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
EnterpriseOps-GymでトップのAIモデルは?
2026年11月16日時点で、EnterpriseOps-Gymの首位はClaude Fable 5で、スコアは51.1%です(結果の日付は2026年6月9日)。続いてGemini 3.7 Flash(50.4%)です。
EnterpriseOps-Gymの結果があるモデルはいくつですか?
BenchLeaderでは51のモデル構成にEnterpriseOps-Gymの結果があり、すべてArtificial Analysisから取得しています。
EnterpriseOps-Gym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?
EnterpriseOps-Gym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。
EnterpriseOps-GymはBenchLeader Indexに含まれますか?
いいえ。EnterpriseOps-Gymは参考として掲載していますが、総合スコアには含めていません。