BenchLeader

FrontierCodeのリーダーボード

2026年11月16日時点で、FrontierCodeの最高スコアは54.6%で、Claude Opus 5.5(Anthropic)が記録しています。次点はClaude Fable 5の53.5%です。公表された結果があるのは46のモデル構成です(Cognition、結果の日付は2026年9月22日)。FrontierCodeは、バグ修正よりも1週間分のチケットに近い、実世界の難しいプログラミングタスクを、リポジトリとツールを備えたエージェントハーネスの中でエージェントに与え、結果をテストで確認します。Cognitionが管理しています。FrontierCodeはBenchLeader Indexのコーディングスコアに反映されます。

要点(2026年11月16日時点)

  • Claude Opus 5.5がFrontierCodeの最高スコア54.6%を記録しています(Cognition、2026年9月22日)。
  • FrontierCodeの2位はClaude Fable 5で、53.5%です(Cognition、2026年6月9日)。
  • FrontierCode:エージェントのハーネスで実行する、実務に近い難しいコーディングタスク(Cognition)(Cognition)。
  • BenchLeaderでは46のモデル構成にFrontierCodeの公表結果があります(BenchLeader、2026年11月16日)。
  • FrontierCodeはBenchLeader Indexのコーディングカテゴリに反映されます(BenchLeaderの評価方法)。

エージェントのハーネスで実行する、実務に近い難しいコーディングタスク(Cognition)。

公開元
Cognitionデータ取得元:Epoch AI Benchmarking Hub
カテゴリ
コーディング
Indexでの重み
0.5
モデル
46
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

FrontierCodeは、バグ修正よりも1週間分のチケットに近い、実世界の難しいプログラミングタスクを、リポジトリとツールを備えたエージェントハーネスの中でエージェントに与え、結果をテストで確認します。Cognitionが管理しています。

採点方法

公表されたハーネスでテストに合格したタスクの割合です。

注意点

特定のハーネスに依存し、エージェント製品も販売している企業が管理していることを、公開元は開示しています。タスク数はそれほど多くないため、数ポイントの差はノイズとみなしてください。

46件中46件
#
1Claude Opus 5.5medium54.6%61.22026-09-22
2Claude Fable 553.5%65.42026-06-09
3Claude Opus 5max53.4%65.02026-07-24
4GPT-6 Astramax53.3%67.32026-09-03
5Claude Sonnet 5.5xhigh52.1%62.52026-09-28
6Claude Fable 5.1medium50.9%61.72026-09-01
7GPT-6.1 Solmedium50.2%62.72026-09-29
8SWE-2max50.0%–2026-09-10
9GPT-6 Solmax49.3%62.62026-09-22
10Grok 4.648.0%–2026-08-12
11Grok 4.747.6%–2026-09-21
12Gemini 4 Argonmedium47.5%61.62026-10-13
13GPT-5.6 Sol47.5%54.32026-07-09
14Claude Opus 4.846.5%58.72026-05-28
15Claude Haiku 5.5max46.4%55.32026-10-07
16Kimi K344.2%60.72026-07-16
17DeepSeek V4.1 Flashhigh43.9%55.62026-09-09
18Gemini 3.7 Flash43.6%–2026-08-13
19GPT-5.543.0%61.02026-04-23
20Claude Sonnet 542.7%53.02026-06-30
21Grok 4.542.4%59.32026-07-08
22GPT-6 Lunamax42.4%55.12026-09-22
23SWE-1.742.0%–2026-07-08
24GPT-5.6 Terra41.3%–2026-07-09
25Gemini 3.8 Flashmedium41.2%60.22026-09-02
26GLM 5.3max40.1%58.82026-08-14
27GPT-5.6 Luna39.8%47.22026-07-09
28Mistral Large 4high39.4%48.32026-10-06
29Claude Opus 4.738.5%63.12026-04-16
30Gemini 3.6 Flash34.4%49.32026-07-21
31GLM 5.3 Flashmax31.8%52.42026-08-20
32Kimi K2.7 Code30.1%53.92026-06-12
33DeepSeek V4 Prohigh28.6%56.02026-08-13
34GPT-5.4 Mini27.0%–2026-03-17
35Claude Opus 4.626.6%62.12026-02-05
36Composer 2.525.6%–2026-05-18
37GLM 5.2推論なし24.5%45.82026-06-16
38Claude Sonnet 4.624.3%57.62026-02-17
39DeepSeek V4 Flash18.8%53.82026-07-31
40DeepSeek V4 Pro推論なし17.6%42.22026-04-24
41MiniMax M314.7%56.12026-06-01
42Inkling14.0%50.42026-07-15
43Nemotron 3 Ultra13.6%42.12026-06-04
44Qwen3.7 Plus10.2%57.62026-06-02
45SWE-1.69.4%–2026-04-07
46Mistral Medium 3.58.0%46.62026-04-28

コーディング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「FrontierCode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/frontiercode

FrontierCode:よくある質問

FrontierCodeは何を測るベンチマークですか?
FrontierCodeは、バグ修正よりも1週間分のチケットに近い、実世界の難しいプログラミングタスクを、リポジトリとツールを備えたエージェントハーネスの中でエージェントに与え、結果をテストで確認します。Cognitionが管理しています。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。
FrontierCodeの最高スコアは?
2026年11月16日時点で、FrontierCodeの最高スコアは54.6%で、Claude Opus 5.5が記録しています(結果の日付は2026年9月22日)。次点はClaude Fable 5の53.5%です。スコアはCognitionの公表値で、毎日読み直しています。
FrontierCodeでトップのAIモデルは?
2026年11月16日時点で、FrontierCodeの首位はClaude Opus 5.5で、スコアは54.6%です(結果の日付は2026年9月22日)。続いてClaude Fable 5(53.5%)です。
FrontierCodeの結果があるモデルはいくつですか?
BenchLeaderでは46のモデル構成にFrontierCodeの結果があり、すべてCognition(Epoch AI Benchmarking Hub経由)から取得しています。
FrontierCode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?
FrontierCodeはCognition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。
FrontierCodeはBenchLeader Indexに含まれますか?
はい。FrontierCodeはBenchLeader Indexのコーディング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。