BenchLeader

EQ-Bench 4のリーダーボード

2026年11月16日時点で、EQ-Bench 4の最高スコアは1365で、Claude Opus 5(Anthropic)が記録しています。次点はClaude Opus 5.5の1340です。公表された結果があるのは32のモデル構成です(EQ-Bench、結果の日付は2026年10月24日)。EQ-Bench 4は、対立を和らげるなど感情的知性が求められる複数ターンのロールプレイの場面にモデルを置き、審査役のモデルが会話記録を一対比較します。EQ-Bench 4はBenchLeader Indexの人間の評価スコアに反映されます。

要点(2026年11月16日時点)

  • Claude Opus 5がEQ-Bench 4の最高スコア1365を記録しています(EQ-Bench、2026年10月24日)。
  • EQ-Bench 4の2位はClaude Opus 5.5で、1340です(EQ-Bench、2026年10月24日)。
  • EQ-Bench 4:複数ターンのロールプレイにおける感情的知性。一対一で評価し、Eloに似たレーティングにまとめます(EQ-Bench)。
  • BenchLeaderでは32のモデル構成にEQ-Bench 4の公表結果があります(BenchLeader、2026年11月16日)。
  • EQ-Bench 4はBenchLeader Indexの人間の評価カテゴリに反映されます(BenchLeaderの評価方法)。

複数ターンのロールプレイにおける感情的知性。一対一で評価し、Eloに似たレーティングにまとめます。

公開元
EQ-Bench
カテゴリ
人間の評価
Indexでの重み
0.5
モデル
32
データ基準日
2026年11月16日

MIT — EQ-Bench.

どんなテストか

EQ-Bench 4は、対立を和らげるなど感情的知性が求められる複数ターンのロールプレイの場面にモデルを置き、審査役のモデルが会話記録を一対比較します。

採点方法

一対比較の判定によるEloスタイルのレーティングで、ベンチマークの作成者が公表しています。

注意点

別のモデルが審査するため、その審査モデルの好みがそのまま反映されます。また、ロールプレイの上手さは優れたアシスタントであることと同じではありません。レーティングの尺度は、参加しているモデル同士の相対的なものです。

32件中32件
#
1Claude Opus 5136563.22026-10-24
2Claude Opus 5.5134061.02026-10-24
3Muse Wonder132564.42026-10-24
4Kimi K3131960.72026-10-24
5Claude Fable 5131365.42026-10-24
6GPT-5.5129561.02026-10-24
7Claude Opus 4.7129363.12026-10-24
8GPT-6.1 Sol127262.02026-10-24
9Claude Opus 4.8126858.72026-10-24
10GPT-5.4125857.92026-10-24
11Muse Spark 1.1124462.22026-10-24
12Gemini 4 Argon123664.42026-10-24
13GPT-5.6 Sol123654.32026-10-24
14Claude Sonnet 5122153.02026-10-24
15GPT-5.6 Terra1220–2026-10-24
16Inkling121250.42026-10-24
17Claude Opus 4.6121062.12026-10-24
18GLM 5.2120851.92026-10-24
19MiMo-V2.5-Pro119855.52026-10-24
20Claude Sonnet 4.6119757.62026-10-24
21Kimi K2.6119155.12026-10-24
22DeepSeek V4 Pro115653.02026-10-24
23GPT-5.6 Luna114647.22026-10-24
24MiniMax M3114056.12026-10-24
25Gemini 3.1 Pro113259.92026-10-24
26Gemma 4 31B111051.92026-10-24
27Qwen3.7max110060.02026-10-24
28Gemini 3.5 Flash1077–2026-10-24
29Grok 4.3106554.52026-10-24
30Claude Haiku 4.5105347.72026-10-24
31Qwen3.6 27B101547.92026-10-24
32Mistral Medium 3.598346.62026-10-24

人間の評価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「EQ-Bench 4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/eqbench4

EQ-Bench 4:よくある質問

EQ-Bench 4は何を測るベンチマークですか?
EQ-Bench 4は、対立を和らげるなど感情的知性が求められる複数ターンのロールプレイの場面にモデルを置き、審査役のモデルが会話記録を一対比較します。スコアは一対一の比較から算出するEloレーティングで示され、高いほど良い結果です。
EQ-Bench 4の最高スコアは?
2026年11月16日時点で、EQ-Bench 4の最高スコアは1365で、Claude Opus 5が記録しています(結果の日付は2026年10月24日)。次点はClaude Opus 5.5の1340です。スコアはEQ-Benchの公表値で、毎日読み直しています。
EQ-Bench 4でトップのAIモデルは?
2026年11月16日時点で、EQ-Bench 4の首位はClaude Opus 5で、スコアは1365です(結果の日付は2026年10月24日)。続いてClaude Opus 5.5(1340)です。
EQ-Bench 4の結果があるモデルはいくつですか?
BenchLeaderでは32のモデル構成にEQ-Bench 4の結果があり、すべてEQ-Benchから取得しています。
EQ-Bench 4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?
EQ-Bench 4はEQ-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。
EQ-Bench 4はBenchLeader Indexに含まれますか?
はい。EQ-Bench 4はBenchLeader Indexの人間の評価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。