BenchLeader

ARC-AGI-3のリーダーボード

2026年11月16日時点で、ARC-AGI-3の最高スコアは99.9%で、GPT-6 Astra(OpenAI)が記録しています。次点はGemini 4 Carbonの99.1%です。公表された結果があるのは79のモデル構成です(ARC Prize、結果の日付は2026年9月2日)。ARC-AGI-3はインタラクティブなゲームに移行しました。エージェントは指示なしで環境を探索し、そのルールを発見して目標に到達しなければならず、多くのステップにわたる学習効率を測ります。ARC-AGI-3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-3の最高スコア99.9%を記録しています(ARC Prize、2026年9月2日)。
  • ARC-AGI-3の2位はGemini 4 Carbonで、99.1%です(ARC Prize、2026年11月10日)。
  • ARC-AGI-3:ARC-AGI-3の準非公開・対話型評価セット(ARC Prize)。
  • BenchLeaderでは79のモデル構成にARC-AGI-3の公表結果があります(BenchLeader、2026年11月16日)。
  • ARC-AGI-3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-3の準非公開・対話型評価セット。

公開元
ARC Prize
カテゴリ
推論
Indexでの重み
0.5
モデル
79
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-3はインタラクティブなゲームに移行しました。エージェントは指示なしで環境を探索し、そのルールを発見して目標に到達しなければならず、多くのステップにわたる学習効率を測ります。

採点方法

セミプライベートのゲームのうちクリアできた割合で、ARC Prize Foundationが実行しています。

注意点

新しく小規模で、以前のグリッド型タスクとは性質が異なります。エージェントのスキャフォールドが影響し、結果のあるモデルはまだ少数です。

79件中79件
#
1GPT-6 Astrahigh99.9%66.32026-09-02
2Gemini 4 Carbonmedium99.1%65.82026-11-10
3GPT-6 Astramax98.6%67.32026-09-02
4GPT-6 Astraxhigh98.4%66.02026-09-02
5GPT-6 Astramedium98.4%64.42026-09-02
6GPT-6 Astralow98.0%62.02026-09-02
7NEWClaude Fable 5.2high97.7%68.42026-11-09
8Gemini 4 Carbonlow97.7%60.12026-11-10
9Gemini 4 Argonlow97.5%–2026-10-13
10NEWClaude Fable 5.2xhigh97.3%69.72026-11-09
11Gemini 4 Argonhigh97.3%65.32026-10-13
12Gemini 4 Argonmedium97.3%61.62026-10-13
13Gemini 4 Carbonhigh96.9%68.92026-11-10
14NEWClaude Fable 5.2medium96.8%66.32026-11-09
15GPT-6 Astra推論なし96.7%58.12026-09-02
16GPT-6.1 Solxhigh96.4%63.62026-09-29
17GPT-6.1 Solmax96.2%66.62026-09-29
18GPT-6.1 Solhigh95.0%63.42026-09-29
19NEWClaude Fable 5.2max94.9%72.72026-11-09
20NEWClaude Fable 5.2low92.3%65.32026-11-09
21GPT-6.1 Solmedium91.0%62.72026-09-29
22GPT-6.1 Sollow82.8%60.02026-09-29
23Claude Sonnet 5.5xhigh72.4%62.52026-09-28
24Claude Sonnet 5.5high35.5%59.52026-09-28
25Gemini 3.8 Flashhigh35.0%59.42026-09-02
26Claude Opus 5high30.2%64.42026-07-24
27Gemini 3.8 Flashmedium24.2%60.22026-09-02
28GPT-6 Solmax23.0%62.62026-09-22
29Gemini 3.8 Flashlow15.1%55.92026-09-02
30Grok 4.7high10.0%56.92026-09-21
31GPT-6 Solxhigh9.5%58.42026-09-22
32Grok 4.7medium8.4%–2026-09-21
33GPT-5.6 Solmax7.8%65.32026-07-09
34GPT-5.6 Solxhigh7.0%63.92026-07-09
35Grok 4.7xhigh7.0%57.42026-09-21
36GPT-6 Solhigh5.9%58.12026-09-22
37DeepSeek V4.1 Flash 1017max5.8%57.72026-10-17
38GPT-6 Solmedium4.9%56.92026-09-22
39Claude Sonnet 5.5medium4.9%50.62026-09-28
40DeepSeek V4.1 Flashlow3.3%–2026-09-10
41DeepSeek V4.1 Flashhigh3.2%55.62026-09-10
42Claude Haiku 5.5max2.8%55.32026-10-07
43DeepSeek V4.1 Flashmax2.7%58.52026-09-10
44GPT-5.6 Solhigh2.2%63.42026-07-09
45Grok 4.6xhigh2.1%56.12026-08-11
46GPT-6 Sollow1.8%54.52026-09-22
47Claude Opus 4.8high1.5%60.42026-06-01
48GPT-6 Sol推論なし1.2%49.02026-09-22
49GPT-5.6 Solmedium1.1%61.32026-07-09
50GPT-5.6 Terramax0.8%59.52026-07-09
51Grok 4.7low0.8%55.42026-09-21
52GPT-5.6 Terraxhigh0.7%60.12026-07-09
53GPT-6 Lunamax0.6%55.12026-09-22
54Claude Sonnet 5.5low0.6%50.72026-09-28
55Claude Opus 4.6max0.5%57.02025-12-17
56GPT-5.6 Terrahigh0.5%56.82026-07-09
57GPT-6 Lunaxhigh0.5%52.02026-09-22
58DeepSeek V4.1 Flash推論なし0.5%44.02026-09-10
59GPT-5.5high0.4%63.52026-04-23
60Gemini 3.1 Pro0.4%59.92026-03-05

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-3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_3

ARC-AGI-3:よくある質問

ARC-AGI-3は何を測るベンチマークですか?
ARC-AGI-3はインタラクティブなゲームに移行しました。エージェントは指示なしで環境を探索し、そのルールを発見して目標に到達しなければならず、多くのステップにわたる学習効率を測ります。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-3の最高スコアは?
2026年11月16日時点で、ARC-AGI-3の最高スコアは99.9%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Gemini 4 Carbonの99.1%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-3でトップのAIモデルは?
2026年11月16日時点で、ARC-AGI-3の首位はGPT-6 Astraで、スコアは99.9%です(結果の日付は2026年9月2日)。続いてGemini 4 Carbon(99.1%)です。
ARC-AGI-3の結果があるモデルはいくつですか?
BenchLeaderでは79のモデル構成にARC-AGI-3の結果があり、すべてARC Prizeから取得しています。
ARC-AGI-3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-3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-3はBenchLeader Indexに含まれますか?
はい。ARC-AGI-3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。