BenchLeader

BrowseComp-Plusのリーダーボード

2026年11月16日時点で、BrowseComp-Plusの最高スコアは57.6%で、GPT-5(OpenAI)が記録しています。次点はo3の50.5%です。公表された結果があるのは21のモデル構成です(BrowseComp-Plus、結果の日付は2025年8月8日)。BrowseCompの質問に、ライブのWebではなく固定した10万件の文書コーパスを使って答えるもので、検索器とモデルを分けて評価できます。掲載スコアは、ほぼすべての提出で使われるBM25のベースライン検索器での値。収録モデルは2025年後半までです。BrowseComp-Plus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)

  • GPT-5がBrowseComp-Plusの最高スコア57.6%を記録しています(BrowseComp-Plus、2025年8月8日)。
  • BrowseComp-Plusの2位はo3で、50.5%です(BrowseComp-Plus、2025年8月8日)。
  • BrowseComp-Plus:BrowseCompの質問に、ライブのWebではなく固定した10万件の文書コーパスを使って答えるもので、検索器とモデルを分けて評価できます。掲載スコアは、ほぼすべての提出で使われるBM25のベースライン検索器での値。収録モデルは2025年後半までです(BrowseComp-Plus)。
  • BenchLeaderでは21のモデル構成にBrowseComp-Plusの公表結果があります(BenchLeader、2026年11月16日)。
  • BrowseComp-Plus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)。

BrowseCompの質問に、ライブのWebではなく固定した10万件の文書コーパスを使って答えるもので、検索器とモデルを分けて評価できます。掲載スコアは、ほぼすべての提出で使われるBM25のベースライン検索器での値。収録モデルは2025年後半までです。

公開元
BrowseComp-Plusデータ取得元:BrowseComp-Plus
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
21
データ基準日
2026年11月16日

BrowseComp-Plus (texttron/BrowseComp-Plus), results dataset Tevatron/BrowseComp-Plus-results.

上位15
  1. 1GPT-557.6%
  2. 2o350.5%
  3. 3gpt-oss-120b (high)43.6%
  4. 4Tongyi DeepResearch 30B-A3B36.9%
  5. 5GLM 4.733.3%
  6. 6GLM-4.627.7%
  7. 7gpt-oss-120b (medium)24.6%
  8. 8gpt-oss-20b (high)21.4%
  9. 9Gemini 2.5 Pro19.9%
  10. 10gpt-oss-20b (medium)16.9%
  11. 11Gemini 2.5 Flash16.3%
  12. 12Claude Opus 415.5%
  13. 13GPT-4.115.3%
  14. 14Claude Sonnet 414.7%
  15. 15Kimi K214.6%
21件中21件
#
1GPT-557.6%56.62025-08-08
2o350.5%60.42025-08-08
3gpt-oss-120bhigh43.6%45.32025-12-31
4Tongyi DeepResearch 30B-A3B36.9%–2025-12-27
5GLM 4.733.3%51.72025-12-26
6GLM-4.627.7%50.22025-10-13
7gpt-oss-120bmedium24.6%–2025-08-08
8gpt-oss-20bhigh21.4%45.42025-08-08
9Gemini 2.5 Pro19.9%55.22025-08-08
10gpt-oss-20bmedium16.9%–2025-08-08
11Gemini 2.5 Flash16.3%52.42025-08-08
12Claude Opus 415.5%51.92025-08-08
13GPT-4.115.3%48.72025-08-08
14Claude Sonnet 414.7%50.02025-08-08
15Kimi K214.6%51.12025-08-16
16Websailor 32B12.1%–2025-09-28
17gpt-oss-120blow9.8%45.72025-08-08
18DeepSeek R1 05288.6%49.12025-08-16
19Searchr1 32B4.1%–2025-08-08
20gpt-oss-20blow4.0%45.62025-08-08
21Qwen3 32B3.6%51.22025-08-08

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

引用表記:BenchLeader「BrowseComp-Plus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/browsecomp_plus

BrowseComp-Plus:よくある質問

BrowseComp-Plusは何を測るベンチマークですか?
BrowseCompの質問に、ライブのWebではなく固定した10万件の文書コーパスを使って答えるもので、検索器とモデルを分けて評価できます。掲載スコアは、ほぼすべての提出で使われるBM25のベースライン検索器での値。収録モデルは2025年後半までです。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。
BrowseComp-Plusの最高スコアは?
2026年11月16日時点で、BrowseComp-Plusの最高スコアは57.6%で、GPT-5が記録しています(結果の日付は2025年8月8日)。次点はo3の50.5%です。スコアはBrowseComp-Plusの公表値で、毎日読み直しています。
BrowseComp-PlusでトップのAIモデルは?
2026年11月16日時点で、BrowseComp-Plusの首位はGPT-5で、スコアは57.6%です(結果の日付は2025年8月8日)。続いてo3(50.5%)です。
BrowseComp-Plusの結果があるモデルはいくつですか?
BenchLeaderでは21のモデル構成にBrowseComp-Plusの結果があり、すべてBrowseComp-Plus(BrowseComp-Plus経由)から取得しています。
BrowseComp-Plus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?
BrowseComp-PlusはBrowseComp-Plus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。
BrowseComp-PlusはBenchLeader Indexに含まれますか?
いいえ。BrowseComp-Plus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。