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。
- 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。
- 1Claude Opus 5.5 (max)1866
- 2Kimi K3.1 Pro1861
- 3Muse Wonder Full (max)1857
- 4Claude Sonnet 5.5 (max)1838
- 5Claude Opus 5.5 (xhigh)1836
- 6Claude Fable 5.2 (max)1831
- 7Muse Wonder (max)1770
- 8Claude Fable 5.1 (max)1765
- 9Claude Fable 5.2 (xhigh)1751
- 10DeepSeek V4.1 Flash 1017 (max)1746
- 11Claude Sonnet 5.5 (xhigh)1743
- 12Claude Fable 5.1 (xhigh)1741
- 13Gemini 4 Carbon (high)1733
- 14Claude Opus 5 (max)1729
- 15Claude Fable 5.2 (high)1718
| # | ||||
|---|---|---|---|---|
| 1 | 1866 | 68.4 | 2026-09-22 | |
| 2 | 1861 | 61.8 | 2026-10-23 | |
| 3 | 1857 | 61.7 | 2026-10-12 | |
| 4 | 1838 | 64.2 | 2026-09-28 | |
| 5 | 1836 | 65.4 | 2026-09-22 | |
| 6 | NEW | 1831 | 72.7 | 2026-11-09 |
| 7 | 1770 | 60.8 | 2026-10-12 | |
| 8 | 1765 | 66.7 | 2026-09-01 | |
| 9 | NEW | 1751 | 69.7 | 2026-11-09 |
| 10 | 1746 | 57.7 | 2026-10-17 | |
| 11 | 1743 | 62.5 | 2026-09-28 | |
| 12 | 1741 | 64.6 | 2026-09-01 | |
| 13 | 1733 | 68.9 | 2026-10-28 | |
| 14 | 1729 | 65.0 | 2026-07-24 | |
| 15 | NEW | 1718 | 68.4 | 2026-11-09 |
| 16 | 1718 | 56.9 | 2026-09-21 | |
| 17 | 1717 | 57.4 | 2026-09-21 | |
| 18 | 1709 | 66.0 | 2026-09-22 | |
| 19 | 1695 | 60.1 | 2026-07-24 | |
| 20 | 1692 | 57.5 | 2026-09-21 | |
| 21 | 1681 | 60.6 | 2026-09-02 | |
| 22 | 1674 | 58.7 | 2026-09-02 | |
| 23 | 1658 | 56.1 | 2026-08-12 | |
| 24 | 1655 | 50.8 | 2026-10-22 | |
| 25 | 1655 | 58.8 | 2026-08-18 | |
| 26 | 1648 | 57.8 | 2026-08-26 | |
| 27 | 1644 | 63.7 | 2026-09-01 | |
| 28 | 1637 | 53.9 | 2026-08-26 | |
| 29 | 1634 | 65.3 | 2026-09-30 | |
| 30 | 1631 | 58.1 | 2026-09-02 | |
| 31 | 1630 | 57.9 | 2026-11-05 | |
| 32 | 1629 | 55.3 | 2026-10-07 | |
| 33 | 1627 | 60.6 | 2026-08-12 | |
| 34 | 1621 | 59.4 | 2026-08-12 | |
| 35 | 1619 | 65.3 | 2026-07-09 | |
| 36 | 1618 | 65.1 | 2026-06-09 | |
| 37 | 1615 | 54.8 | 2026-09-21 | |
| 38 | 1614 | 51.4 | 2026-08-12 | |
| 39 | 1607 | 66.6 | 2026-09-29 | |
| 40 | 1605 | 64.4 | 2026-07-24 | |
| 41 | 1600 | 58.5 | 2026-09-10 | |
| 42 | NEW | 1591 | 66.3 | 2026-11-09 |
| 43 | 1591 | 56.0 | 2026-09-18 | |
| 44 | 1590 | 61.2 | 2026-09-22 | |
| 45 | 1587 | 55.4 | 2026-09-21 | |
| 46 | 1587 | 67.3 | 2026-09-03 | |
| 47 | 1578 | 61.6 | 2026-09-30 | |
| 48 | 1577 | 63.9 | 2026-07-09 | |
| 49 | 1572 | 66.0 | 2026-09-03 | |
| 50 | 1563 | 63.6 | 2026-09-29 | |
| 51 | 1555 | – | 2026-08-21 | |
| 52 | 1554 | 61.7 | 2026-09-01 | |
| 53 | 1551 | 59.5 | 2026-09-28 | |
| 54 | NEW | 1546 | 65.3 | 2026-11-09 |
| 55 | 1542 | 60.2 | 2026-07-16 | |
| 56 | 1538 | 66.3 | 2026-09-03 | |
| 57 | 1523 | 56.7 | 2026-10-07 | |
| 58 | 1521 | 63.4 | 2026-09-29 | |
| 59 | 1514 | 62.6 | 2026-09-22 | |
| 60 | 1511 | 63.4 | 2026-07-09 |
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
関連するベンチマーク
GDPval-AA v2.1での注目のモデル比較
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。