BenchLeader

Cybenchのリーダーボード

2026年11月16日時点で、Cybenchの最高スコアは93.0%で、Claude Opus 4.6(Anthropic)が記録しています。次点はClaude Opus 4.5の82.0%です。公表された結果があるのは21のモデル構成です(Cybench、結果の日付は2026年2月5日)。Cybenchは、暗号からWebエクスプロイトまで、実際のセキュリティコンテストのCTF(キャプチャー・ザ・フラッグ)問題を使い、ヒントなしでフラグを見つけるようエージェントに求めます。CybenchはBenchLeader Indexのエージェント・ツールスコアに反映されます。

要点(2026年11月16日時点)

  • Claude Opus 4.6がCybenchの最高スコア93.0%を記録しています(Cybench、2026年2月5日)。
  • Cybenchの2位はClaude Opus 4.5で、82.0%です(Cybench、2025年11月24日)。
  • Cybench:ガイドなしのCTF形式サイバーセキュリティ課題(Cybench)。
  • BenchLeaderでは21のモデル構成にCybenchの公表結果があります(BenchLeader、2026年11月16日)。
  • CybenchはBenchLeader Indexのエージェント・ツールカテゴリに反映されます(BenchLeaderの評価方法)。

ガイドなしのCTF形式サイバーセキュリティ課題。

公開元
Cybenchデータ取得元:Epoch AI Benchmarking Hub
カテゴリ
エージェント・ツール
Indexでの重み
0.5
モデル
21
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

Cybenchは、暗号からWebエクスプロイトまで、実際のセキュリティコンテストのCTF(キャプチャー・ザ・フラッグ)問題を使い、ヒントなしでフラグを見つけるようエージェントに求めます。

採点方法

ヒントなしで解けた問題の割合で、ステップ数と時間に一定の上限があります。

注意点

問題の難易度にばらつきがあり、成否は二択なので、数問解けるかどうかでスコアが動きます。エージェントのスキャフォールドが影響し、解説が公開されている問題もあります。

21件中21件
#
1Claude Opus 4.693.0%62.12026-02-05
2Claude Opus 4.582.0%57.12025-11-24
3Claude Sonnet 4.560.0%53.82025-09-29
4Grok 443.0%58.12025-07-09
5Claude Opus 4.142.0%51.12025-08-05
6Grok 4.139.0%57.12025-11-17
7Claude Opus 438.0%51.92025-05-22
8Claude Sonnet 435.0%50.02025-05-22
9Grok 4 Fast30.0%–2025-09-19
10o3-minimedium22.5%46.42025-01-31
11Claude 3.7 Sonnet20.0%49.22025-02-24
12GPT-4.517.5%50.52025-02-27
13Claude 3.5 Sonnet17.5%46.82024-06-20
14GPT-4o12.5%42.82024-11-20
15o110.0%52.52024-09-12
16o1-minimedium10.0%44.42024-09-12
17Claude 3 Opus10.0%38.82024-02-29
18Llama 3.1 405B7.5%41.82024-07-23
19Mixtral 8x22B Instruct7.5%37.42024-04-17
20Gemini 1.5 Pro 001 Feb247.5%–2024-02-15
21Llama 3-70B5.0%38.72024-04-18

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「Cybench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/cybench

Cybench:よくある質問

Cybenchは何を測るベンチマークですか?
Cybenchは、暗号からWebエクスプロイトまで、実際のセキュリティコンテストのCTF(キャプチャー・ザ・フラッグ)問題を使い、ヒントなしでフラグを見つけるようエージェントに求めます。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。
Cybenchの最高スコアは?
2026年11月16日時点で、Cybenchの最高スコアは93.0%で、Claude Opus 4.6が記録しています(結果の日付は2026年2月5日)。次点はClaude Opus 4.5の82.0%です。スコアはCybenchの公表値で、毎日読み直しています。
CybenchでトップのAIモデルは?
2026年11月16日時点で、Cybenchの首位はClaude Opus 4.6で、スコアは93.0%です(結果の日付は2026年2月5日)。続いてClaude Opus 4.5(82.0%)です。
Cybench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Cybenchの結果があり、すべてCybench(Epoch AI Benchmarking Hub経由)から取得しています。
Cybench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?
CybenchはCybench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。
CybenchはBenchLeader Indexに含まれますか?
はい。CybenchはBenchLeader Indexのエージェント・ツール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。