GDPval-AA v2.1, normalised scoreのリーダーボード
2026年11月16日時点で、GDPval-AA v2.1, normalised scoreの最高スコアは68.3%で、Claude Opus 5.5(Anthropic)が記録しています。次点はMuse Wonder Fullの67.8%です。公表された結果があるのは167のモデル構成です(Artificial Analysis、結果の日付は2026年9月22日)。GDPvalは、44の職種について実際の成果物をモデルに作らせ、専門家が人間の専門家の成果物と比較します。Artificial Analysisは公開セットを実行し、勝率を正規化していました。GDPval-AA v2.1, normalised score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 Opus 5.5がGDPval-AA v2.1, normalised scoreの最高スコア68.3%を記録しています(Artificial Analysis、2026年9月22日)。
- GDPval-AA v2.1, normalised scoreの2位はMuse Wonder Fullで、67.8%です(Artificial Analysis、2026年10月12日)。
- GDPval-AA v2.1, normalised score:OpenAIのGDPval(専門職タスクの比較)をArtificial Analysisが正規化して実行したもの。最後に公表された割合(2026年10月25日)で固定。現在AAは同じ評価をEloで公表しています(Artificial Analysis)。
- BenchLeaderでは167のモデル構成にGDPval-AA v2.1, normalised scoreの公表結果があります(BenchLeader、2026年11月16日)。
- GDPval-AA v2.1, normalised score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)。
OpenAIのGDPval(専門職タスクの比較)をArtificial Analysisが正規化して実行したもの。最後に公表された割合(2026年10月25日)で固定。現在AAは同じ評価をEloで公表しています。
- 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
- 167
- データ基準日
- 2026年11月16日
Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.
このボードは更新を終えています。同じ名前は現在、別の新しいテストに使われており、そのスコアはGDPval-AA v2.1にあります。
どんなテストか
GDPvalは、44の職種について実際の成果物をモデルに作らせ、専門家が人間の専門家の成果物と比較します。Artificial Analysisは公開セットを実行し、勝率を正規化していました。
採点方法
人間の成果物に対する正規化した勝率で、Artificial Analysisが最後に公表したパーセンテージ(2026年10月25日)で固定されています。
注意点
Artificial Analysisは現在この評価をEloで報告しており、尺度が異なります。そのレーティングはGDPval-AAのボードに掲載しています。Indexに反映しているのは、Epochが転載している公式の結果です。
- 1Claude Opus 5.5 (max)68.3%
- 2Muse Wonder Full (max)67.8%
- 3Kimi K3.1 Pro67.3%
- 4Claude Sonnet 5.5 (max)66.9%
- 5Claude Opus 5.5 (xhigh)66.5%
- 6Muse Wonder (max)63.5%
- 7Claude Fable 5.1 (max)62.7%
- 8DeepSeek V4.1 Flash 1017 (max)62.3%
- 9Claude Fable 5.1 (xhigh)61.6%
- 10Claude Sonnet 5.5 (xhigh)61.4%
- 11Grok 4.7 (xhigh)60.7%
- 12Grok 4.7 (high)60.4%
- 13Claude Opus 5.5 (high)60.2%
- 14MiMo-V2.6-Pro59.1%
- 15Qwen3.8 Max (max)58.3%
| # | ||||
|---|---|---|---|---|
| 1 | 68.3% | 68.4 | 2026-09-22 | |
| 2 | 67.8% | 61.7 | 2026-10-12 | |
| 3 | 67.3% | 61.8 | 2026-10-23 | |
| 4 | 66.9% | 64.2 | 2026-09-28 | |
| 5 | 66.5% | 65.4 | 2026-09-22 | |
| 6 | 63.5% | 60.8 | 2026-10-12 | |
| 7 | 62.7% | 66.7 | 2026-09-01 | |
| 8 | 62.3% | 57.7 | 2026-10-17 | |
| 9 | 61.6% | 64.6 | 2026-09-01 | |
| 10 | 61.4% | 62.5 | 2026-09-28 | |
| 11 | 60.7% | 57.4 | 2026-09-21 | |
| 12 | 60.4% | 56.9 | 2026-09-21 | |
| 13 | 60.2% | 66.0 | 2026-09-22 | |
| 14 | 59.1% | 57.5 | 2026-09-21 | |
| 15 | 58.3% | 58.7 | 2026-09-02 | |
| 16 | 57.5% | 58.8 | 2026-08-18 | |
| 17 | 57.3% | 50.8 | 2026-10-22 | |
| 18 | 57.1% | 57.8 | 2026-08-26 | |
| 19 | 56.8% | 63.7 | 2026-09-01 | |
| 20 | 56.4% | 53.9 | 2026-08-26 | |
| 21 | 56.2% | 65.3 | 2026-09-30 | |
| 22 | 56.0% | 55.3 | 2026-10-07 | |
| 23 | 55.4% | 54.8 | 2026-09-21 | |
| 24 | 55.4% | 51.4 | 2026-08-12 | |
| 25 | 54.8% | 66.6 | 2026-09-29 | |
| 26 | 54.3% | 56.0 | 2026-09-18 | |
| 27 | 54.3% | 61.2 | 2026-09-22 | |
| 28 | 54.1% | 55.4 | 2026-09-21 | |
| 29 | 53.7% | 67.3 | 2026-09-03 | |
| 30 | 52.9% | 66.0 | 2026-09-03 | |
| 31 | 52.4% | 59.5 | 2026-09-28 | |
| 32 | 52.3% | – | 2026-08-21 | |
| 33 | 52.2% | 61.7 | 2026-09-01 | |
| 34 | 52.0% | 63.6 | 2026-09-29 | |
| 35 | 51.2% | 66.3 | 2026-09-03 | |
| 36 | 50.7% | 56.7 | 2026-10-07 | |
| 37 | 50.6% | 63.4 | 2026-09-29 | |
| 38 | 49.3% | 64.4 | 2026-09-03 | |
| 39 | 48.4% | 58.8 | 2026-09-01 | |
| 40 | 47.9% | 54.3 | 2026-10-19 | |
| 41 | 47.6% | 59.5 | 2026-07-09 | |
| 42 | 47.5% | 62.7 | 2026-09-29 | |
| 43 | 47.5% | 54.7 | 2026-08-13 | |
| 44 | 47.4% | 60.1 | 2026-07-09 | |
| 45 | 46.8% | 59.4 | 2026-09-02 | |
| 46 | 46.6% | 55.1 | 2026-09-22 | |
| 47 | 46.1% | 60.2 | 2026-09-02 | |
| 48 | 46.1% | 52.9 | 2026-10-06 | |
| 49 | 46.0% | 52.2 | 2026-08-14 | |
| 50 | 45.8% | 55.3 | 2026-10-07 | |
| 51 | 45.1% | 53.5 | 2026-10-15 | |
| 52 | 44.5% | 62.0 | 2026-09-03 | |
| 53 | 44.0% | 50.2 | 2026-08-14 | |
| 54 | 43.9% | 56.8 | 2026-07-09 | |
| 55 | 43.2% | 52.0 | 2026-09-22 | |
| 56 | 43.2% | 49.0 | 2026-08-14 | |
| 57 | 42.9% | 49.5 | 2026-09-03 | |
| 58 | 42.1% | 51.1 | 2026-09-22 | |
| 59 | 41.5% | – | 2026-08-26 | |
| 60 | 41.2% | 47.3 | 2026-08-18 |
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
GDPval-AA v2.1, normalised scoreでの注目のモデル比較
引用表記:BenchLeader「GDPval-AA v2.1, normalised score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_gdpval
GDPval-AA v2.1, normalised score:よくある質問
- GDPval-AA v2.1, normalised scoreは何を測るベンチマークですか?
- GDPvalは、44の職種について実際の成果物をモデルに作らせ、専門家が人間の専門家の成果物と比較します。Artificial Analysisは公開セットを実行し、勝率を正規化していました。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。
- GDPval-AA v2.1, normalised scoreの最高スコアは?
- 2026年11月16日時点で、GDPval-AA v2.1, normalised scoreの最高スコアは68.3%で、Claude Opus 5.5が記録しています(結果の日付は2026年9月22日)。次点はMuse Wonder Fullの67.8%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
- GDPval-AA v2.1, normalised scoreでトップのAIモデルは?
- 2026年11月16日時点で、GDPval-AA v2.1, normalised scoreの首位はClaude Opus 5.5で、スコアは68.3%です(結果の日付は2026年9月22日)。続いてMuse Wonder Full(67.8%)です。
- GDPval-AA v2.1, normalised scoreの結果があるモデルはいくつですか?
- BenchLeaderでは167のモデル構成にGDPval-AA v2.1, normalised scoreの結果があり、すべてArtificial Analysisから取得しています。
- GDPval-AA v2.1, normalised score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?
- GDPval-AA v2.1, normalised score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。
- GDPval-AA v2.1, normalised scoreはBenchLeader Indexに含まれますか?
- いいえ。GDPval-AA v2.1, normalised score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。