BenchLeader

ARC-AGI-2のリーダーボード

2026年11月16日時点で、ARC-AGI-2の最高スコアは95.0%で、GPT-6 Astra(OpenAI)が記録しています。次点はGPT-6.1 Solの94.2%です。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9月2日)。ARC-AGI-2はARC-AGI-1の形式を引き継ぎつつ、総当たりの探索やパターンマッチングが通用しないようタスクが作られています。記号の解釈、ルールの組み合わせ、文脈に応じたルールの適用が求められます。人間はすべてのタスクを解けますが、モデルは0付近から始まりました。ARC-AGI-2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)

  • GPT-6 AstraがARC-AGI-2の最高スコア95.0%を記録しています(ARC Prize、2026年9月2日)。
  • ARC-AGI-2の2位はGPT-6.1 Solで、94.2%です(ARC Prize、2026年9月29日)。
  • ARC-AGI-2:ARC-AGI-2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-2の公表結果があります(BenchLeader、2026年11月16日)。
  • ARC-AGI-2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-2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
1.0
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-2はARC-AGI-1の形式を引き継ぎつつ、総当たりの探索やパターンマッチングが通用しないようタスクが作られています。記号の解釈、ルールの組み合わせ、文脈に応じたルールの適用が求められます。人間はすべてのタスクを解けますが、モデルは0付近から始まりました。

採点方法

2回の試行で解けたセミプライベートのタスクの割合で、ARC Prize Foundationが実行し、タスクあたりのコストも報告しています。

注意点

推論の予算とハーネスに非常に敏感なので、同程度のコストの構成同士で比較してください。各ラボが対策を進めるにつれて、スコアは急速に変わります。

265件中265件
#
1GPT-6 Astramax95.0%67.3$1.122026-09-02
2GPT-6.1 Solmax94.2%66.6$0.2542026-09-29
3Gemini 4 Carbonmedium94.2%65.8$0.3752026-11-10
4NEWClaude Fable 5.2xhigh93.8%69.7$0.9832026-11-09
5Claude Opus 5.5high93.3%66.0$0.4082026-09-22
6GPT-6 Astraxhigh93.3%66.0$0.8292026-09-02
7NEWClaude Fable 5.2max92.5%72.7$2.812026-11-09
8Claude Opus 5.5xhigh92.5%65.4$0.6712026-09-22
9GPT-5.6 Solmax92.5%65.3$1.442026-07-09
10Gemini 4 Carbonhigh92.1%68.9$0.6842026-11-10
11GPT-6 Astrahigh92.1%66.3$0.6682026-09-02
12GPT-6 Astramedium92.1%64.4$0.4802026-09-02
13Claude Opus 5.5max91.7%68.4$1.852026-09-22
14GPT-6.1 Solxhigh91.7%63.6$0.1782026-09-29
15GPT-6.1 Solhigh91.7%63.4$0.1352026-09-29
16Gemini 4 Argonhigh91.3%65.3$0.3252026-10-13
17NEWClaude Fable 5.2high90.4%68.4$0.9082026-11-09
18Claude Opus 5max90.4%65.0$2.062026-07-24
19Claude Fable 5.1max90.0%66.7$4.492026-09-01
20Claude Fable 5.1xhigh90.0%64.6$3.122026-09-01
21GPT-5.6 Solxhigh90.0%63.9$1.042026-07-09
22NEWClaude Fable 5.2medium89.6%66.3$0.6272026-11-09
23GPT-6 Solmax89.6%62.6$0.4392026-09-22
24Claude Fable 5max89.2%65.1$5.452026-06-09
25Gemini 3.8 Flashhigh89.2%59.4$0.4002026-09-02
26Claude Fable 5.1high88.8%63.7$1.672026-09-01
27Claude Opus 5high88.3%64.4$1.452026-07-24
28Claude Fable 5xhigh88.3%–$3.002026-06-09
29Claude Fable 5high87.5%63.9$2.442026-06-09
30Claude Opus 5.5medium87.5%61.2$0.3372026-09-22
31Gemini 4 Argonmedium87.1%61.6$0.1372026-10-13
32NEWClaude Fable 5.2low86.7%65.3$0.5162026-11-09
33GPT-6.1 Solmedium86.7%62.7$0.1002026-09-29
34Claude Fable 5.1medium86.3%61.7$1.222026-09-01
35GPT-5.6 Solhigh85.4%63.4$0.7402026-07-09
36GPT-6 Astralow85.4%62.0$0.4162026-09-02
37GPT-5.5xhigh85.0%64.1$1.872026-04-22
38Gemini 3.7 Flashhigh84.6%62.1$0.2492026-08-13
39GPT-5.5 Prohigh84.6%–$10.512026-04-23
40Gemini 3 Deep Thinkthinking84.6%–$13.622026-02-12
41GPT-5.5 Proxhigh84.2%–$10.762026-04-23
42Claude Sonnet 5.5xhigh83.9%62.5$0.5462026-09-28
43GPT-5.6 Terramax83.9%59.5$1.092026-07-09
44GPT-5.5high83.3%63.5$1.452026-04-22
45GPT-5.4 Proxhigh83.3%59.5$16.412026-03-04
46Gemini 3.8 Flashmedium82.9%60.2$0.2482026-09-02
47Claude Fable 5medium82.5%–$1.932026-06-09
48Inkling 2 Smallxhigh81.7%–$0.2722026-11-05
49Claude Fable 5.1low78.3%58.8$0.9522026-09-01
50GPT-6 Solxhigh78.1%58.4$0.2772026-09-22
51DeepSeek V4.1 Flash 1017max78.1%57.7$0.1632026-10-17
52Gemini 3.8 Flashlow77.5%55.9$0.1542026-09-02
53Gemini 3.1 Pro77.1%59.9$0.9622026-02-19
54Claude Fable 5low76.8%–$1.452026-06-09
55Dots3 Notemax76.8%–$0.0772026-08-14
56GPT-6.1 Sollow76.7%60.0$0.0862026-09-29
57Claude 4.7max75.8%–$7.432026-04-16
58GPT-5.6 Terraxhigh74.2%60.1$0.6902026-07-09
59GPT-5.4xhigh74.0%63.1$1.522026-03-04
60DeepSeek V4.1 Flash 1017low73.6%–$0.1342026-10-17

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-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/arc_agi_2

ARC-AGI-2:よくある質問

ARC-AGI-2は何を測るベンチマークですか?
ARC-AGI-2はARC-AGI-1の形式を引き継ぎつつ、総当たりの探索やパターンマッチングが通用しないようタスクが作られています。記号の解釈、ルールの組み合わせ、文脈に応じたルールの適用が求められます。人間はすべてのタスクを解けますが、モデルは0付近から始まりました。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。
ARC-AGI-2の最高スコアは?
2026年11月16日時点で、ARC-AGI-2の最高スコアは95.0%で、GPT-6 Astraが記録しています(結果の日付は2026年9月2日)。次点はGPT-6.1 Solの94.2%です。スコアはARC Prizeの公表値で、毎日読み直しています。
ARC-AGI-2でトップのAIモデルは?
2026年11月16日時点で、ARC-AGI-2の首位はGPT-6 Astraで、スコアは95.0%です(結果の日付は2026年9月2日)。続いてGPT-6.1 Sol(94.2%)です。
ARC-AGI-2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-2の結果があり、すべてARC Prizeから取得しています。
ARC-AGI-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?
ARC-AGI-2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-2はBenchLeader Indexに含まれますか?
はい。ARC-AGI-2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。