BenchLeader

ARC-AGI-1のリーダーボード

2026年11月16日時点で、ARC-AGI-1の最高スコアは98.5%で、Claude Fable 5.2、GPT-6 Astra、Claude Opus 5.5、Gemini 4 Carbon、Gemini 4 Argonほか3モデルが並んでいます。公表された結果があるのは265のモデル構成です(ARC Prize、結果の日付は2026年11月9日)。ARC-AGI-1は、グリッド変換の例をいくつか示し、新しいグリッドでの出力を求めます。ごくわずかな例からルールを推測する力を試すもので、セミプライベートの評価セットは非公開です。ARC-AGI-1はBenchLeader Indexの推論スコアに反映されます。

要点(2026年11月16日時点)

  • Claude Fable 5.2、GPT-6 Astra、Claude Opus 5.5、Gemini 4 Carbon、Gemini 4 Argonほか3モデルがARC-AGI-1の最高スコア98.5%で並んでいます(ARC Prize、2026年11月16日)。
  • ARC-AGI-1:ARC-AGI-1の準非公開評価セット(ARC Prize)。
  • BenchLeaderでは265のモデル構成にARC-AGI-1の公表結果があります(BenchLeader、2026年11月16日)。
  • ARC-AGI-1はBenchLeader Indexの推論カテゴリに反映されます(BenchLeaderの評価方法)。

ARC-AGI-1の準非公開評価セット。

公開元
ARC Prize
カテゴリ
推論
Indexでの重み
0.5
モデル
265
データ基準日
2026年11月16日
最新の結果
2026年11月10日

ARC Prize Foundation, arcprize.org.

どんなテストか

ARC-AGI-1は、グリッド変換の例をいくつか示し、新しいグリッドでの出力を求めます。ごくわずかな例からルールを推測する力を試すもので、セミプライベートの評価セットは非公開です。

採点方法

2回以内の試行で解けたタスクの割合で、ARC Prize Foundationが実行し、タスクあたりのコストも併せて報告しています。

注意点

スコアはテスト時の計算量とともに急上昇するため、同じモデルでも推論の予算が違えば数十ポイント差が出ることがあり、スコアと同じくらい効率が重要です。現在ではトップのシステムがほぼ解いています。

265件中265件
#
1NEWClaude Fable 5.2xhigh98.5%69.7$0.3582026-11-09
2GPT-6 Astrahigh98.5%66.3$0.2842026-09-02
3Claude Opus 5.5high98.5%66.0$0.1582026-09-22
4GPT-6 Astraxhigh98.5%66.0$0.3472026-09-02
5Gemini 4 Carbonmedium98.5%65.8$0.1622026-11-10
6Gemini 4 Argonhigh98.5%65.3$0.1622026-10-13
7Claude Fable 5max98.5%65.1$2.112026-06-09
8GPT-6.1 Solxhigh98.5%63.6$0.0742026-09-29
9GPT-6.1 Solhigh98.5%63.4$0.0592026-09-29
10Gemini 4 Argonmedium98.5%61.6$0.0652026-10-13
11Gemini 3.8 Flashhigh98.5%59.4$0.2062026-09-02
12Claude Fable 5xhigh98.5%–$1.022026-06-09
13Gemini 3.1 Pro98.0%59.9$0.5222026-02-19
14NEWClaude Fable 5.2max97.5%72.7$0.9212026-11-09
15Gemini 4 Carbonhigh97.5%68.9$0.4072026-11-10
16Claude Opus 5.5max97.5%68.4$0.6412026-09-22
17NEWClaude Fable 5.2high97.5%68.4$0.3292026-11-09
18GPT-6 Astramax97.5%67.3$0.4332026-09-02
19Claude Fable 5.1max97.5%66.7$1.402026-09-01
20NEWClaude Fable 5.2medium97.5%66.3$0.2642026-11-09
21Claude Opus 5.5xhigh97.5%65.4$0.2232026-09-22
22Claude Opus 5max97.5%65.0$0.7002026-07-24
23Claude Opus 5high97.5%64.4$0.4702026-07-24
24GPT-6 Astramedium97.5%64.4$0.2402026-09-02
25GPT-5.6 Solxhigh97.5%63.9$0.4002026-07-09
26Claude Opus 5.5medium97.5%61.2$0.1522026-09-22
27Gemini 3.8 Flashmedium97.5%60.2$0.1082026-09-02
28GPT-5.6 Solhigh97.0%63.4$0.3002026-07-09
29GPT-6.1 Solmax96.5%66.6$0.0952026-09-29
30GPT-5.6 Solmax96.5%65.3$0.5402026-07-09
31Claude Fable 5.1xhigh96.5%64.6$0.9582026-09-01
32Claude Sonnet 5.5max96.5%64.2$0.5022026-09-28
33Claude Sonnet 5.5xhigh96.5%62.5$0.1432026-09-28
34GPT-6 Astralow96.5%62.0$0.2272026-09-02
35GPT-5.6 Terramax96.5%59.5$0.5502026-07-09
36GPT-5.5 Prohigh96.5%–$4.532026-04-23
37Inkling 2 Smallxhigh96.5%–$0.0822026-11-05
38Claude Fable 5.1high96.0%63.7$0.5172026-09-01
39Gemini 3 Deep Thinkthinking96.0%–$7.172026-02-12
40Claude Fable 5high95.5%63.9$0.7672026-06-09
41GPT-6.1 Solmedium95.5%62.7$0.0502026-09-29
42GPT-6 Solmax95.5%62.6$0.1412026-09-22
43Gemini 3.7 Flashhigh95.5%62.1$0.1202026-08-13
44GPT-5.5xhigh95.0%64.1$0.7302026-04-22
45GPT-5.5 Proxhigh95.0%–$4.522026-04-23
46NEWClaude Fable 5.2low94.5%65.3$0.2302026-11-09
47GPT-5.5high94.5%63.5$0.5602026-04-22
48Claude Fable 5.1medium94.5%61.7$0.4432026-09-01
49Kimi K3max94.5%60.2$0.7702026-07-16
50GPT-5.4 Proxhigh94.5%59.5$7.212026-03-04
51DeepSeek V4.1 Flashmax94.5%58.5$0.0662026-09-10
52DeepSeek V4.1 Flash 1017high94.5%51.2$0.0562026-10-17
53Claude Opus 4.6high94.0%62.5$1.392026-02-05
54GPT-5.6 Terraxhigh94.0%60.1$0.2602026-07-09
55GPT-5.4xhigh93.7%63.1$0.6202026-03-04
56GPT-6.1 Sollow93.5%60.0$0.0472026-09-29
57DeepSeek V4.1 Flash 1017max93.5%57.7$0.0652026-10-17
58Claude 4.7high93.5%–$1.412026-04-16
59Claude Opus 4.6max93.0%57.0$1.882026-02-05
60GPT-5.4high92.7%58.6$0.3702026-03-04

推論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「ARC-AGI-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/arc_agi_1

ARC-AGI-1:よくある質問

ARC-AGI-1は何を測るベンチマークですか?
ARC-AGI-1は、グリッド変換の例をいくつか示し、新しいグリッドでの出力を求めます。ごくわずかな例からルールを推測する力を試すもので、セミプライベートの評価セットは非公開です。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。
ARC-AGI-1の最高スコアは?
2026年11月16日時点で、ARC-AGI-1の最高スコアは98.5%で、Claude Fable 5.2、GPT-6 Astra、Claude Opus 5.5、Gemini 4 Carbon、Gemini 4 Argonほか3モデルが並んでいます。スコアはARC Prizeの公表値で、毎日読み直しています。
ARC-AGI-1でトップのAIモデルは?
2026年11月16日時点で、Claude Fable 5.2、GPT-6 Astra、Claude Opus 5.5、Gemini 4 Carbon、Gemini 4 Argonほか3モデルが98.5%でARC-AGI-1の首位に並んでいます。
ARC-AGI-1の結果があるモデルはいくつですか?
BenchLeaderでは265のモデル構成にARC-AGI-1の結果があり、すべてARC Prizeから取得しています。
ARC-AGI-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?
ARC-AGI-1はARC Prize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。
ARC-AGI-1はBenchLeader Indexに含まれますか?
はい。ARC-AGI-1はBenchLeader Indexの推論カテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。