CL-benchのリーダーボード
2026年11月16日時点で、CL-benchの最高スコアは27.9%で、GPT-5.4(OpenAI)が記録しています。次点はGPT-5.1の23.7%です。公表された結果があるのは22のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2026年3月5日)。事前の知識ではなく、プロンプトで与えられた新しいルールや事実を当てはめる必要があるタスクです。CL-bench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-5.4がCL-benchの最高スコア27.9%を記録しています(Epoch AI Benchmarking Hub、2026年3月5日)。
- CL-benchの2位はGPT-5.1で、23.7%です(Epoch AI Benchmarking Hub、2025年11月13日)。
- CL-bench:コンテキストで与えられた情報を使いこなす必要がある、継続学習型のタスク(Epoch AI Benchmarking Hub)。
- BenchLeaderでは22のモデル構成にCL-benchの公表結果があります(BenchLeader、2026年11月16日)。
- CL-bench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)。
コンテキストで与えられた情報を使いこなす必要がある、継続学習型のタスク。
- カテゴリ
- 推論
- Indexでの重み
- 参考のみ
- モデル
- 22
- データ基準日
- 2026年11月16日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
どんなテストか
事前の知識ではなく、プロンプトで与えられた新しいルールや事実を当てはめる必要があるタスクです。
採点方法
総合スコアで、CL-benchが公表しています。
注意点
新しく、セットも小さい評価です。
- 1GPT-5.4 (xhigh)27.9%
- 2GPT-5.1 (high)23.7%
- 3Grok 4.2022.2%
- 4Claude Opus 4.521.1%
- 5GPT-5.121.1%
- 6Gemini 3.1 Pro20.8%
- 7Claude Opus 4.620.7%
- 8Qwen3.6 Plus20.3%
- 9Qwen3.5 Plus19.8%
- 10Kimi K2.519.3%
- 11GLM-518.7%
- 12GPT-5.218.2%
- 13GPT-5.2 (high)18.1%
- 14o3 (high)17.8%
- 15Kimi K2 Thinking (thinking)17.6%
22件中22件
| # | ||||
|---|---|---|---|---|
| 1 | 27.9% | 63.1 | 2026-03-05 | |
| 2 | 23.7% | 57.5 | 2025-11-13 | |
| 3 | 22.2% | – | 2026-02-17 | |
| 4 | 21.1% | 57.1 | 2025-11-24 | |
| 5 | 21.1% | 56.1 | 2025-11-13 | |
| 6 | 20.8% | 59.9 | 2026-02-19 | |
| 7 | 20.7% | 62.1 | 2026-02-05 | |
| 8 | 20.3% | 59.0 | 2026-03-31 | |
| 9 | 19.8% | – | 2026-02-16 | |
| 10 | 19.3% | 54.6 | 2026-01-27 | |
| 11 | 18.7% | 54.9 | 2026-02-11 | |
| 12 | 18.2% | 56.7 | 2025-12-11 | |
| 13 | 18.1% | 55.8 | 2025-12-11 | |
| 14 | 17.8% | 55.1 | 2025-04-16 | |
| 15 | 17.6% | 52.3 | 2025-11-06 | |
| 16 | 15.9% | 51.7 | 2025-12-22 | |
| 17 | 15.8% | 60.0 | 2025-11-18 | |
| 18 | 15.7% | 59.1 | – | |
| 19 | 14.5% | 54.2 | 2025-09-24 | |
| 20 | 13.2% | 56.7 | 2025-09-29 | |
| 21 | 12.4% | 50.2 | 2025-12-01 | |
| 22 | 11.4% | 53.7 | 2026-02-12 |
関連するベンチマーク
CL-benchでの注目のモデル比較
引用表記:BenchLeader「CL-bench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/cl_bench
CL-bench:よくある質問
- CL-benchは何を測るベンチマークですか?
- 事前の知識ではなく、プロンプトで与えられた新しいルールや事実を当てはめる必要があるタスクです。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。
- CL-benchの最高スコアは?
- 2026年11月16日時点で、CL-benchの最高スコアは27.9%で、GPT-5.4が記録しています(結果の日付は2026年3月5日)。次点はGPT-5.1の23.7%です。スコアはEpoch AI Benchmarking Hubの公表値で、毎日読み直しています。
- CL-benchでトップのAIモデルは?
- 2026年11月16日時点で、CL-benchの首位はGPT-5.4で、スコアは27.9%です(結果の日付は2026年3月5日)。続いてGPT-5.1(23.7%)です。
- CL-benchの結果があるモデルはいくつですか?
- BenchLeaderでは22のモデル構成にCL-benchの結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
- CL-bench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?
- CL-benchはEpoch AI Benchmarking Hub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。
- CL-benchはBenchLeader Indexに含まれますか?
- いいえ。CL-bench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。