BenchLeader

AA Intelligence Index v4.3.2のリーダーボード

最終スコアでの上位5スコアBL Index
  1. 1Claude Opus 5.5100万トークンあたり$8.0057.668.4
  2. 2Claude Sonnet 5.5100万トークンあたり$4.005664.2
  3. 3Muse Wonder Full料金の掲載なし55.861.7
  4. 4Kimi K3.1 Pro100万トークンあたり$4.0055.161.8
  5. 5Claude Fable 5.1100万トークンあたり$20.0053.466.7
どんな指標か
Artificial Analysisのひとつ前の総合スコアで、2026年10月27日のv4.3.2の最終スコアで固定されています。バージョン5.0は別のテストに置き換えたため、両者は比較できません。
BenchLeader Indexとの違い
ひとつの公開元が自ら行うテストです。BenchLeader Indexは48の公開元による78の第三者ベンチマークを組み合わせ、推論の設定ごとに別々に採点します。同じテストを二重に数えないよう、この総合スコアはIndexに含めていません。

2026年11月16日時点で、AA Intelligence Index v4.3.2の最高スコアは57.6で、Claude Opus 5.5(Anthropic)が記録しています。次点はClaude Sonnet 5.5の56です。公表された結果があるのは643のモデル構成です(Artificial Analysis、結果の日付は2026年9月22日)。Artificial AnalysisのIntelligence Index v4.3.2で、同社が自ら実行した評価の総合指標です。GPQA Diamond、Humanity's Last Exam、IFBench、AA-LCR、τ²-Bench Telecom、Terminal-Bench Hard、SciCode、AA-Omniscienceなどを含み、それぞれ固定のハーネスで実行されています。AA Intelligence Index v4.3.2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AA Intelligence Index v4.3.2の最高スコア57.6を記録しています(Artificial Analysis、2026年9月22日)。
  • AA Intelligence Index v4.3.2の2位はClaude Sonnet 5.5で、56です(Artificial Analysis、2026年9月28日)。
  • AA Intelligence Index v4.3.2:Artificial Analysisが自社の評価(GPQA、HLE、IFBench、LCR、τ²-Bench、Terminal-Bench Hard、SciCode、AA-Omniscienceなど)をまとめた総合スコア。v4.3.2で最後に公開されたスコア(2026年10月27日)で固定。後継のv5.0は構成が異なるため、両者は比較できません(Artificial Analysis)。
  • BenchLeaderでは643のモデル構成にAA Intelligence Index v4.3.2の公表結果があります(BenchLeader、2026年11月16日)。
  • AA Intelligence Index v4.3.2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)。

Artificial Analysisが自社の評価(GPQA、HLE、IFBench、LCR、τ²-Bench、Terminal-Bench Hard、SciCode、AA-Omniscienceなど)をまとめた総合スコア。v4.3.2で最後に公開されたスコア(2026年10月27日)で固定。後継のv5.0は構成が異なるため、両者は比較できません。

公開元
Artificial Analysis
カテゴリ
総合
Indexでの重み
参考のみ
モデル
643
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AA Intelligence Index v5.0.1にあります。

どんなテストか

Artificial AnalysisのIntelligence Index v4.3.2で、同社が自ら実行した評価の総合指標です。GPQA Diamond、Humanity's Last Exam、IFBench、AA-LCR、τ²-Bench Telecom、Terminal-Bench Hard、SciCode、AA-Omniscienceなどを含み、それぞれ固定のハーネスで実行されています。

採点方法

構成要素のスコアを均等に重み付けした平均で、Artificial Analysisの0〜100の尺度です。v4.3.2として最後に公表されたスコア(2026年10月27日)で固定されています。参考として表示しており、BenchLeaderは総合値ではなく構成要素を使っています。

注意点

Artificial Analysisはこれを、構成も尺度も異なるIndex v5.0に置き換え、v4.3.2のスコアの公表をやめたため、v5.0で再実行されていないモデルはここでしか評価されていません。値の多くは完全な実行ではなく、AA自身の推定値です。

643件中643件
#
1Claude Opus 5.5max57.668.42026-09-22
2Claude Sonnet 5.5max5664.22026-09-28
3Claude Opus 5.5xhigh56.065.42026-09-22
4Muse Wonder Fullmax55.861.72026-10-12
5Kimi K3.1 Pro55.161.82026-10-23
6Claude Opus 5.5high53.666.02026-09-22
7Claude Fable 5.1max53.466.72026-09-01
8Claude Fable 5.1xhigh53.264.62026-09-01
9GPT-6 Astramax52.767.32026-09-03
10Gemini 4 Argonhigh52.665.32026-09-30
11GPT-6 Astraxhigh52.466.02026-09-03
12Muse Wondermax52.460.82026-10-12
13Claude Sonnet 5.5xhigh51.962.52026-09-28
14GPT-6.1 Solmax51.866.62026-09-29
15Claude Opus 5.5medium51.261.22026-09-22
16Claude Fable 5.1high51.163.72026-09-01
17GPT-6.1 Solxhigh51.063.62026-09-29
18GPT-6 Astrahigh50.966.32026-09-03
19Claude Opus 5max50.865.02026-07-24
20GPT-6.1 Solhigh50.263.42026-09-29
21Claude Opus 5xhigh49.760.12026-07-24
22Claude Fable 5max49.665.12026-06-09
23GPT-6 Astramedium49.664.42026-09-03
24Claude Fable 5.1medium48.961.72026-09-01
25Claude Opus 5high48.164.42026-07-24
26GPT-6.1 Terramax48.164.12026-10-26
27Muse Spark 1.3max48.160.62026-09-02
28GPT-6.1 Solmedium47.862.72026-09-29
29GPT-6 Solmax47.662.62026-09-22
30GPT-5.6 Solmax47.065.32026-07-09
31Claude Fable 5.1low46.858.82026-09-01
32Claude Sonnet 5.5high46.859.52026-09-28
33Grok 4.7xhigh46.557.42026-09-21
34Grok 4.7high46.356.92026-09-21
35MiMo-V2.6-Pro46.357.52026-09-21
36GPT-6 Astralow45.862.02026-09-03
37Qwen3.8 Maxmax45.458.72026-09-02
38GPT-6.1 Terraxhigh45.460.02026-10-26
39DeepSeek V4.1 Flash 1017max45.157.72026-10-17
40Muse Spark 1.3xhigh45.158.12026-09-02
41Claude Opus 5medium44.857.52026-07-24
42GLM 5.3max44.858.82026-08-18
43Grok 4.6high44.360.62026-08-12
44GPT-6 Solxhigh44.258.42026-09-22
45Grok 4.6xhigh44.256.12026-08-12
46GPT-5.6 Solxhigh44.063.92026-07-09
47Ling 3.1 Flash43.950.82026-10-22
48GPT-6.1 Terrahigh43.959.62026-10-26
49Step 5 Preview43.756.02026-09-18
50Kimi K3max43.660.22026-07-16
51Claude Haiku 5.5max43.455.32026-10-07
52Grok 4.6medium42.859.42026-08-12
53MiniMax M3.1 Flash42.754.32026-10-19
54GPT-6 Solhigh42.458.12026-09-22
55GPT-5.6 Solhigh42.463.42026-07-09
56Claude Opus 5.5low42.358.92026-09-22
57Grok 4.7low42.255.42026-09-21
58GPT-6.1 Sollow42.160.02026-09-29
59GPT-5.6 Terramax42.159.52026-07-09
60GLM 5.3 Flash41.857.82026-08-26

総合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「AA Intelligence Index v4.3.2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_intelligence_index

AA Intelligence Index v4.3.2:よくある質問

AA Intelligence Index v4.3.2は何を測るベンチマークですか?
Artificial AnalysisのIntelligence Index v4.3.2で、同社が自ら実行した評価の総合指標です。GPQA Diamond、Humanity's Last Exam、IFBench、AA-LCR、τ²-Bench Telecom、Terminal-Bench Hard、SciCode、AA-Omniscienceなどを含み、それぞれ固定のハーネスで実行されています。スコアは公開元独自の尺度のスコアで示され、高いほど良い結果です。
AA Intelligence Index v4.3.2の最高スコアは?
2026年11月16日時点で、AA Intelligence Index v4.3.2の最高スコアは57.6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Claude Sonnet 5.5の56です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
AA Intelligence Index v4.3.2でトップのAIモデルは?
2026年11月16日時点で、AA Intelligence Index v4.3.2の首位はClaude Opus 5.5で、スコアは57.6です(結果の日付は2026年9月22日)。続いてClaude Sonnet 5.5(56)です。
AA Intelligence Index v4.3.2の結果があるモデルはいくつですか?
BenchLeaderでは643のモデル構成にAA Intelligence Index v4.3.2の結果があり、すべてArtificial Analysisから取得しています。
AA Intelligence Index v4.3.2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?
AA Intelligence Index v4.3.2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。
AA Intelligence Index v4.3.2はBenchLeader Indexに含まれますか?
いいえ。AA Intelligence Index v4.3.2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。