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。
- 1Claude Opus 4.693.0%
- 2Claude Opus 4.582.0%
- 3Claude Sonnet 4.560.0%
- 4Grok 443.0%
- 5Claude Opus 4.142.0%
- 6Grok 4.139.0%
- 7Claude Opus 438.0%
- 8Claude Sonnet 435.0%
- 9Grok 4 Fast30.0%
- 10o3-mini (medium)22.5%
- 11Claude 3.7 Sonnet20.0%
- 12GPT-4.517.5%
- 13Claude 3.5 Sonnet17.5%
- 14GPT-4o12.5%
- 15o110.0%
| # | ||||
|---|---|---|---|---|
| 1 | 93.0% | 62.1 | 2026-02-05 | |
| 2 | 82.0% | 57.1 | 2025-11-24 | |
| 3 | 60.0% | 53.8 | 2025-09-29 | |
| 4 | 43.0% | 58.1 | 2025-07-09 | |
| 5 | 42.0% | 51.1 | 2025-08-05 | |
| 6 | 39.0% | 57.1 | 2025-11-17 | |
| 7 | 38.0% | 51.9 | 2025-05-22 | |
| 8 | 35.0% | 50.0 | 2025-05-22 | |
| 9 | 30.0% | – | 2025-09-19 | |
| 10 | 22.5% | 46.4 | 2025-01-31 | |
| 11 | 20.0% | 49.2 | 2025-02-24 | |
| 12 | 17.5% | 50.5 | 2025-02-27 | |
| 13 | 17.5% | 46.8 | 2024-06-20 | |
| 14 | 12.5% | 42.8 | 2024-11-20 | |
| 15 | 10.0% | 52.5 | 2024-09-12 | |
| 16 | 10.0% | 44.4 | 2024-09-12 | |
| 17 | 10.0% | 38.8 | 2024-02-29 | |
| 18 | 7.5% | 41.8 | 2024-07-23 | |
| 19 | 7.5% | 37.4 | 2024-04-17 | |
| 20 | 7.5% | – | 2024-02-15 | |
| 21 | 5.0% | 38.7 | 2024-04-18 |
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
関連するベンチマーク
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。