BenchLeader

ExploitBenchのリーダーボード

2026年11月16日時点で、ExploitBenchの最高スコアは73.8%で、Claude Mythos Preview(Anthropic)が記録しています。次点はGPT-5.5の47.4%です。公表された結果があるのは9のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2026年4月7日)。脆弱な標的を与え、エージェントに実際に動くエクスプロイトを作らせ、その能力で採点します。ExploitBench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 Mythos PreviewがExploitBenchの最高スコア73.8%を記録しています(Epoch AI Benchmarking Hub、2026年4月7日)。
  • ExploitBenchの2位はGPT-5.5で、47.4%です(Epoch AI Benchmarking Hub、2026年4月23日)。
  • ExploitBench:既知の脆弱性に対して、実際に動くエクスプロイトを開発するタスク(Epoch AI Benchmarking Hub)。
  • BenchLeaderでは9のモデル構成にExploitBenchの公表結果があります(BenchLeader、2026年11月16日)。
  • ExploitBench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)。

既知の脆弱性に対して、実際に動くエクスプロイトを開発するタスク。

公開元
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
9
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

脆弱な標的を与え、エージェントに実際に動くエクスプロイトを作らせ、その能力で採点します。

採点方法

能力スコアの平均で、公表された値です。

注意点

攻撃にも防御にも使える能力の指標で、対象モデルは少数です。

上位15
  1. 1Claude Mythos Preview73.8%
  2. 2GPT-5.547.4%
  3. 3Claude Opus 4.726.5%
  4. 4Gemini 3.1 Pro26.1%
  5. 5Claude Sonnet 4.623.6%
  6. 6Kimi K2.618.4%
  7. 7GLM 5.118.1%
  8. 8Claude Haiku 4.513.7%
  9. 9MiniMax M2.713.3%
9件中9件
#
1Claude Mythos Preview73.8%–2026-04-07
2GPT-5.547.4%61.02026-04-23
3Claude Opus 4.726.5%63.12026-04-16
4Gemini 3.1 Pro26.1%59.92026-02-19
5Claude Sonnet 4.623.6%57.62026-02-17
6Kimi K2.618.4%55.12026-04-20
7GLM 5.118.1%55.42026-04-07
8Claude Haiku 4.513.7%47.72025-10-15
9MiniMax M2.713.3%56.62026-03-18

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「ExploitBench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/exploitbench

ExploitBench:よくある質問

ExploitBenchは何を測るベンチマークですか?
脆弱な標的を与え、エージェントに実際に動くエクスプロイトを作らせ、その能力で採点します。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。
ExploitBenchの最高スコアは?
2026年11月16日時点で、ExploitBenchの最高スコアは73.8%で、Claude Mythos Previewが記録しています(結果の日付は2026年4月7日)。次点はGPT-5.5の47.4%です。スコアはEpoch AI Benchmarking Hubの公表値で、毎日読み直しています。
ExploitBenchでトップのAIモデルは?
2026年11月16日時点で、ExploitBenchの首位はClaude Mythos Previewで、スコアは73.8%です(結果の日付は2026年4月7日)。続いてGPT-5.5(47.4%)です。
ExploitBenchの結果があるモデルはいくつですか?
BenchLeaderでは9のモデル構成にExploitBenchの結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
ExploitBench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?
ExploitBenchはEpoch AI Benchmarking Hub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。
ExploitBenchはBenchLeader Indexに含まれますか?
いいえ。ExploitBench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。