BenchLeader

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。

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
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。

167件中167件
#
1Claude Opus 5.5max68.3%68.42026-09-22
2Muse Wonder Fullmax67.8%61.72026-10-12
3Kimi K3.1 Pro67.3%61.82026-10-23
4Claude Sonnet 5.5max66.9%64.22026-09-28
5Claude Opus 5.5xhigh66.5%65.42026-09-22
6Muse Wondermax63.5%60.82026-10-12
7Claude Fable 5.1max62.7%66.72026-09-01
8DeepSeek V4.1 Flash 1017max62.3%57.72026-10-17
9Claude Fable 5.1xhigh61.6%64.62026-09-01
10Claude Sonnet 5.5xhigh61.4%62.52026-09-28
11Grok 4.7xhigh60.7%57.42026-09-21
12Grok 4.7high60.4%56.92026-09-21
13Claude Opus 5.5high60.2%66.02026-09-22
14MiMo-V2.6-Pro59.1%57.52026-09-21
15Qwen3.8 Maxmax58.3%58.72026-09-02
16GLM 5.3max57.5%58.82026-08-18
17Ling 3.1 Flash57.3%50.82026-10-22
18GLM 5.3 Flash57.1%57.82026-08-26
19Claude Fable 5.1high56.8%63.72026-09-01
20Qwen3.8-Flash-Next56.4%53.92026-08-26
21Gemini 4 Argonhigh56.2%65.32026-09-30
22Claude Haiku 5.5max56.0%55.32026-10-07
23MiMo-V2.6-Flash55.4%54.82026-09-21
24Qwen3.8 2.4T A95B55.4%51.42026-08-12
25GPT-6.1 Solmax54.8%66.62026-09-29
26Step 5 Preview54.3%56.02026-09-18
27Claude Opus 5.5medium54.3%61.22026-09-22
28Grok 4.7low54.1%55.42026-09-21
29GPT-6 Astramax53.7%67.32026-09-03
30GPT-6 Astraxhigh52.9%66.02026-09-03
31Claude Sonnet 5.5high52.4%59.52026-09-28
32Deepseek v4 Flash Visionmax52.3%–2026-08-21
33Claude Fable 5.1medium52.2%61.72026-09-01
34GPT-6.1 Solxhigh52.0%63.62026-09-29
35GPT-6 Astrahigh51.2%66.32026-09-03
36Claude Haiku 5.5xhigh50.7%56.72026-10-07
37GPT-6.1 Solhigh50.6%63.42026-09-29
38GPT-6 Astramedium49.3%64.42026-09-03
39Claude Fable 5.1low48.4%58.82026-09-01
40MiniMax M3.1 Flash47.9%54.32026-10-19
41GPT-5.6 Terramax47.6%59.52026-07-09
42GPT-6.1 Solmedium47.5%62.72026-09-29
43DeepSeek V4 Promax47.5%54.72026-08-13
44GPT-5.6 Terraxhigh47.4%60.12026-07-09
45Gemini 3.8 Flashhigh46.8%59.42026-09-02
46GPT-6 Lunamax46.6%55.12026-09-22
47Gemini 3.8 Flashmedium46.1%60.22026-09-02
48Mistral Large 446.1%52.92026-10-06
49Qwen3.8 27Bxhigh46.0%52.22026-08-14
50Claude Haiku 5.5high45.8%55.32026-10-07
51Muse Spark Openxhigh45.1%53.52026-10-15
52GPT-6 Astralow44.5%62.02026-09-03
53Qwen3.8 27Bmedium44.0%50.22026-08-14
54GPT-5.6 Terrahigh43.9%56.82026-07-09
55GPT-6 Lunaxhigh43.2%52.02026-09-22
56Qwen3.8 27Blow43.2%49.02026-08-14
57K2 Horizon 375B A23B42.9%49.52026-09-03
58GPT-6 Lunahigh42.1%51.12026-09-22
59Agnes 2.5 Pro Beta41.5%–2026-08-26
60GLM 5.3low41.2%47.32026-08-18

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

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。