BenchLeader

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。

公開元
Epoch AI Benchmarking Hub
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。

22件中22件
#
1GPT-5.4xhigh27.9%63.12026-03-05
2GPT-5.1high23.7%57.52025-11-13
3Grok 4.2022.2%–2026-02-17
4Claude Opus 4.521.1%57.12025-11-24
5GPT-5.121.1%56.12025-11-13
6Gemini 3.1 Pro20.8%59.92026-02-19
7Claude Opus 4.620.7%62.12026-02-05
8Qwen3.6 Plus20.3%59.02026-03-31
9Qwen3.5 Plus19.8%–2026-02-16
10Kimi K2.519.3%54.62026-01-27
11GLM-518.7%54.92026-02-11
12GPT-5.218.2%56.72025-12-11
13GPT-5.2high18.1%55.82025-12-11
14o3high17.8%55.12025-04-16
15Kimi K2 Thinkingthinking17.6%52.32025-11-06
16GLM 4.715.9%51.72025-12-22
17Gemini 3 Pro15.8%60.02025-11-18
18Mimo v2 Pro15.7%59.1–
19Qwen3 Maxmax14.5%54.22025-09-24
20DeepSeek V3.2thinking13.2%56.72025-09-29
21DeepSeek V3.212.4%50.22025-12-01
22MiniMax M2.511.4%53.72026-02-12

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「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。