BenchLeader

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。

40件中40件
#
1Claude Opus 4.6high55.3%62.52026-02-05
2Claude Sonnet 4.6high54.9%50.32026-02-17
3Claude Opus 4.5high54.8%59.72025-11-24
4GPT-5.5high54.0%63.52026-04-23
5Claude Opus 4.5low53.7%–2025-11-24
6Claude Opus 4.6medium53.2%–2026-02-05
7Claude Sonnet 4.552.6%53.82025-09-29
8Claude Opus 4.6low51.4%–2026-02-05
9Claude Sonnet 4.6low50.4%–2026-02-17
10Claude Opus 4.8high50.2%60.42026-05-28
11Gemini 3 Flashlow49.8%–2025-12-17
12GPT-5.5medium49.6%60.82026-04-23
13GPT-5low49.6%53.52025-08-07
14Claude Opus 4.8low49.3%–2026-05-28
15Gemini 3 Flashminimal49.0%53.82025-12-17
16GPT-5minimal48.9%45.22025-08-07
17GPT-5.5low48.7%58.12026-04-23
18GPT-5medium48.6%59.02025-08-07
19Claude Opus 4.148.3%51.12025-08-05
20GPT-5high48.1%58.22025-08-07
21Gemini 3 Flashhigh47.9%57.42025-12-17
22Gemini 3.1 Prohigh47.8%60.42026-02-19
23Claude Sonnet 4.5low47.5%–2025-09-29
24Claude Opus 4.8medium47.4%–2026-05-28
25Grok 447.3%58.12025-07-09
26Claude Opus 446.8%51.92025-05-22
27Claude Sonnet 446.6%50.02025-05-22
28Gemini 3 Prolow46.3%–2025-11-18
29Claude Haiku 4.5low45.5%–2025-10-15
30o3medium45.2%53.32025-04-16
31Gemini 3.1 Prolow44.5%–2026-02-19
32Claude 3.7 Sonnet43.6%49.22025-02-24
33Gemini 2.5 Pro42.8%55.22025-06-05
34GPT-5.1low42.8%–2025-11-13
35GPT-5.2low41.1%49.52025-12-11
36Gemini 3.1 Flash Litelow37.3%–2026-03-03
37Gemini 3.1 Flash Lite36.4%52.62026-03-03
38GPT-5.4 Minilow36.3%–2026-03-17
39GPT-5.4low35.1%58.82026-03-05
40DeepSeek R1 052835.1%49.12025-05-28

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

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。