DeepResearch Benchのリーダーボード
2026年11月16日時点で、DeepResearch Benchの最高スコアは55.3%で、Claude Opus 4.6(Anthropic)が記録しています。次点はClaude Sonnet 4.6の54.9%です。公表された結果があるのは40のモデル構成です(DeepResearch Bench、結果の日付は2026年2月5日)。情報源を集めてレポートを書く必要があるリサーチの質問で、ルーブリックで評価します。DeepResearch 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)
- Claude Opus 4.6がDeepResearch Benchの最高スコア55.3%を記録しています(DeepResearch Bench、2026年2月5日)。
- DeepResearch Benchの2位はClaude Sonnet 4.6で、54.9%です(DeepResearch Bench、2026年2月17日)。
- DeepResearch Bench:長文のリサーチレポートを、深さと正確さで評価(DeepResearch Bench)。
- BenchLeaderでは40のモデル構成にDeepResearch Benchの公表結果があります(BenchLeader、2026年11月16日)。
- DeepResearch 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)。
長文のリサーチレポートを、深さと正確さで評価。
- 公開元
- DeepResearch Bench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
- 参考のみ
- モデル
- 40
- 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
情報源を集めてレポートを書く必要があるリサーチの質問で、ルーブリックで評価します。
採点方法
ルーブリックスコアの平均で、DeepResearch Benchが公表しています。
注意点
レポートをルーブリックで採点するため、ハーネスや検索ツールが結果を左右します。
- 1Claude Opus 4.6 (high)55.3%
- 2Claude Sonnet 4.6 (high)54.9%
- 3Claude Opus 4.5 (high)54.8%
- 4GPT-5.5 (high)54.0%
- 5Claude Opus 4.5 (low)53.7%
- 6Claude Opus 4.6 (medium)53.2%
- 7Claude Sonnet 4.552.6%
- 8Claude Opus 4.6 (low)51.4%
- 9Claude Sonnet 4.6 (low)50.4%
- 10Claude Opus 4.8 (high)50.2%
- 11Gemini 3 Flash (low)49.8%
- 12GPT-5.5 (medium)49.6%
- 13GPT-5 (low)49.6%
- 14Claude Opus 4.8 (low)49.3%
- 15Gemini 3 Flash (minimal)49.0%
40件中40件
| # | ||||
|---|---|---|---|---|
| 1 | 55.3% | 62.5 | 2026-02-05 | |
| 2 | 54.9% | 50.3 | 2026-02-17 | |
| 3 | 54.8% | 59.7 | 2025-11-24 | |
| 4 | 54.0% | 63.5 | 2026-04-23 | |
| 5 | 53.7% | – | 2025-11-24 | |
| 6 | 53.2% | – | 2026-02-05 | |
| 7 | 52.6% | 53.8 | 2025-09-29 | |
| 8 | 51.4% | – | 2026-02-05 | |
| 9 | 50.4% | – | 2026-02-17 | |
| 10 | 50.2% | 60.4 | 2026-05-28 | |
| 11 | 49.8% | – | 2025-12-17 | |
| 12 | 49.6% | 60.8 | 2026-04-23 | |
| 13 | 49.6% | 53.5 | 2025-08-07 | |
| 14 | 49.3% | – | 2026-05-28 | |
| 15 | 49.0% | 53.8 | 2025-12-17 | |
| 16 | 48.9% | 45.2 | 2025-08-07 | |
| 17 | 48.7% | 58.1 | 2026-04-23 | |
| 18 | 48.6% | 59.0 | 2025-08-07 | |
| 19 | 48.3% | 51.1 | 2025-08-05 | |
| 20 | 48.1% | 58.2 | 2025-08-07 | |
| 21 | 47.9% | 57.4 | 2025-12-17 | |
| 22 | 47.8% | 60.4 | 2026-02-19 | |
| 23 | 47.5% | – | 2025-09-29 | |
| 24 | 47.4% | – | 2026-05-28 | |
| 25 | 47.3% | 58.1 | 2025-07-09 | |
| 26 | 46.8% | 51.9 | 2025-05-22 | |
| 27 | 46.6% | 50.0 | 2025-05-22 | |
| 28 | 46.3% | – | 2025-11-18 | |
| 29 | 45.5% | – | 2025-10-15 | |
| 30 | 45.2% | 53.3 | 2025-04-16 | |
| 31 | 44.5% | – | 2026-02-19 | |
| 32 | 43.6% | 49.2 | 2025-02-24 | |
| 33 | 42.8% | 55.2 | 2025-06-05 | |
| 34 | 42.8% | – | 2025-11-13 | |
| 35 | 41.1% | 49.5 | 2025-12-11 | |
| 36 | 37.3% | – | 2026-03-03 | |
| 37 | 36.4% | 52.6 | 2026-03-03 | |
| 38 | 36.3% | – | 2026-03-17 | |
| 39 | 35.1% | 58.8 | 2026-03-05 | |
| 40 | 35.1% | 49.1 | 2025-05-28 |
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
DeepResearch Benchでの注目のモデル比較
引用表記:BenchLeader「DeepResearch 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/deepresearch_bench
DeepResearch Bench:よくある質問
- DeepResearch Benchは何を測るベンチマークですか?
- 情報源を集めてレポートを書く必要があるリサーチの質問で、ルーブリックで評価します。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。
- DeepResearch Benchの最高スコアは?
- 2026年11月16日時点で、DeepResearch Benchの最高スコアは55.3%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 Sonnet 4.6の54.9%です。スコアはDeepResearch Benchの公表値で、毎日読み直しています。
- DeepResearch BenchでトップのAIモデルは?
- 2026年11月16日時点で、DeepResearch Benchの首位はClaude Opus 4.6で、スコアは55.3%です(結果の日付は2026年2月5日)。続いてClaude Sonnet 4.6(54.9%)です。
- DeepResearch Benchの結果があるモデルはいくつですか?
- BenchLeaderでは40のモデル構成にDeepResearch Benchの結果があり、すべてDeepResearch Bench(Epoch AI Benchmarking Hub経由)から取得しています。
- DeepResearch 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?
- DeepResearch BenchはDeepResearch Bench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。
- DeepResearch BenchはBenchLeader Indexに含まれますか?
- いいえ。DeepResearch 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。