BenchLeader

GDPval-AAのリーダーボード

2026年11月16日時点で、GDPval-AAの最高スコアは1866で、Claude Opus 5.5(Anthropic)が記録しています。次点はKimi K3.1 Proの1861です。公表された結果があるのは313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ます。Artificial Analysisは、モデルにシェルとWebへのアクセスを与え、エージェントループで成果物を作らせています。GDPval-AA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の最高スコア1866を記録しています(Artificial Analysis、2026年9月22日)。
  • GDPval-AA v2.1の2位はKimi K3.1 Proで、1861です(Artificial Analysis、2026年10月23日)。
  • GDPval-AA v2.1:OpenAIのGDPvalの専門職タスクを、シェルとWebにアクセスできるエージェントループでArtificial Analysisが実行したもの。成果物どうしのブラインド一対一比較からEloで評価します(Artificial Analysis)。
  • BenchLeaderでは313のモデル構成にGDPval-AA v2.1の公表結果があります(BenchLeader、2026年11月16日)。
  • GDPval-AA v2.1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の専門職タスクを、シェルとWebにアクセスできるエージェントループでArtificial Analysisが実行したもの。成果物どうしのブラインド一対一比較からEloで評価します。

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
313
データ基準日
2026年11月16日

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

同じ名前の以前のテストとは比較できません。以前のテストの最終スコアはGDPval-AA v2.1, normalised scoreに残しています。

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ます。Artificial Analysisは、モデルにシェルとWebへのアクセスを与え、エージェントループで成果物を作らせています。

採点方法

モデル同士の成果物をブラインドで一対比較したEloで、レーティングはボード上の他のモデルとの相対的な意味しか持ちません。

注意点

2026年10月下旬に正規化したパーセンテージから切り替わったもので、両者は比較できません。一対比較のレーティングは、モデルが追加されるたびに動きます。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。

313件中313件
#
1Claude Opus 5.5max186668.42026-09-22
2Kimi K3.1 Pro186161.82026-10-23
3Muse Wonder Fullmax185761.72026-10-12
4Claude Sonnet 5.5max183864.22026-09-28
5Claude Opus 5.5xhigh183665.42026-09-22
6NEWClaude Fable 5.2max183172.72026-11-09
7Muse Wondermax177060.82026-10-12
8Claude Fable 5.1max176566.72026-09-01
9NEWClaude Fable 5.2xhigh175169.72026-11-09
10DeepSeek V4.1 Flash 1017max174657.72026-10-17
11Claude Sonnet 5.5xhigh174362.52026-09-28
12Claude Fable 5.1xhigh174164.62026-09-01
13Gemini 4 Carbonhigh173368.92026-10-28
14Claude Opus 5max172965.02026-07-24
15NEWClaude Fable 5.2high171868.42026-11-09
16Grok 4.7high171856.92026-09-21
17Grok 4.7xhigh171757.42026-09-21
18Claude Opus 5.5high170966.02026-09-22
19Claude Opus 5xhigh169560.12026-07-24
20MiMo-V2.6-Pro169257.52026-09-21
21Muse Spark 1.3max168160.62026-09-02
22Qwen3.8 Maxmax167458.72026-09-02
23Grok 4.6xhigh165856.12026-08-12
24Ling 3.1 Flash165550.82026-10-22
25GLM 5.3max165558.82026-08-18
26GLM 5.3 Flash164857.82026-08-26
27Claude Fable 5.1high164463.72026-09-01
28Qwen3.8-Flash-Next163753.92026-08-26
29Gemini 4 Argonhigh163465.32026-09-30
30Muse Spark 1.3xhigh163158.12026-09-02
31Inkling 2 Small163057.92026-11-05
32Claude Haiku 5.5max162955.32026-10-07
33Grok 4.6high162760.62026-08-12
34Grok 4.6medium162159.42026-08-12
35GPT-5.6 Solmax161965.32026-07-09
36Claude Fable 5max161865.12026-06-09
37MiMo-V2.6-Flash161554.82026-09-21
38Qwen3.8 2.4T A95B161451.42026-08-12
39GPT-6.1 Solmax160766.62026-09-29
40Claude Opus 5high160564.42026-07-24
41DeepSeek V4.1 Flashmax160058.52026-09-10
42NEWClaude Fable 5.2medium159166.32026-11-09
43Step 5 Preview159156.02026-09-18
44Claude Opus 5.5medium159061.22026-09-22
45Grok 4.7low158755.42026-09-21
46GPT-6 Astramax158767.32026-09-03
47Gemini 4 Argonmedium157861.62026-09-30
48GPT-5.6 Solxhigh157763.92026-07-09
49GPT-6 Astraxhigh157266.02026-09-03
50GPT-6.1 Solxhigh156363.62026-09-29
51Deepseek v4 Flash Visionmax1555–2026-08-21
52Claude Fable 5.1medium155461.72026-09-01
53Claude Sonnet 5.5high155159.52026-09-28
54NEWClaude Fable 5.2low154665.32026-11-09
55Kimi K3max154260.22026-07-16
56GPT-6 Astrahigh153866.32026-09-03
57Claude Haiku 5.5xhigh152356.72026-10-07
58GPT-6.1 Solhigh152163.42026-09-29
59GPT-6 Solmax151462.62026-09-22
60GPT-5.6 Solhigh151163.42026-07-09

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_elo

GDPval-AA v2.1:よくある質問

GDPval-AA v2.1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ます。Artificial Analysisは、モデルにシェルとWebへのアクセスを与え、エージェントループで成果物を作らせています。スコアは一対一の比較から算出するEloレーティングで示され、高いほど良い結果です。
GDPval-AA v2.1の最高スコアは?
2026年11月16日時点で、GDPval-AA v2.1の最高スコアは1866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Kimi K3.1 Proの1861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でトップのAIモデルは?
2026年11月16日時点で、GDPval-AA v2.1の首位はClaude Opus 5.5で、スコアは1866です(結果の日付は2026年9月22日)。続いてKimi K3.1 Pro(1861)です。
GDPval-AA v2.1の結果があるモデルはいくつですか?
BenchLeaderでは313のモデル構成にGDPval-AA v2.1の結果があり、すべてArtificial Analysisから取得しています。
GDPval-AA v2.1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はBenchLeader Indexに含まれますか?
いいえ。GDPval-AA v2.1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。