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。
- 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。
- 1Claude Mythos Preview73.8%
- 2GPT-5.547.4%
- 3Claude Opus 4.726.5%
- 4Gemini 3.1 Pro26.1%
- 5Claude Sonnet 4.623.6%
- 6Kimi K2.618.4%
- 7GLM 5.118.1%
- 8Claude Haiku 4.513.7%
- 9MiniMax M2.713.3%
9件中9件
| # | ||||
|---|---|---|---|---|
| 1 | 73.8% | – | 2026-04-07 | |
| 2 | 47.4% | 61.0 | 2026-04-23 | |
| 3 | 26.5% | 63.1 | 2026-04-16 | |
| 4 | 26.1% | 59.9 | 2026-02-19 | |
| 5 | 23.6% | 57.6 | 2026-02-17 | |
| 6 | 18.4% | 55.1 | 2026-04-20 | |
| 7 | 18.1% | 55.4 | 2026-04-07 | |
| 8 | 13.7% | 47.7 | 2025-10-15 | |
| 9 | 13.3% | 56.6 | 2026-03-18 |
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
関連するベンチマーク
ExploitBenchでの注目のモデル比較
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。