GBAEvalのリーダーボード
2026年11月16日時点で、GBAEvalの最高スコアは79.6%で、Claude Opus 5(Anthropic)が記録しています。次点はClaude Fable 5の74.5%です。公表された結果があるのは23のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2026年7月24日)。エージェントが画面と操作入力を使ってGBAのゲームをプレイし、進行度で採点されます。GBAEval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 5がGBAEvalの最高スコア79.6%を記録しています(Epoch AI Benchmarking Hub、2026年7月24日)。
- GBAEvalの2位はClaude Fable 5で、74.5%です(Epoch AI Benchmarking Hub、2026年6月9日)。
- GBAEval:エージェントとしてゲームボーイアドバンスのゲームをプレイするタスク(Epoch AI Benchmarking Hub)。
- BenchLeaderでは23のモデル構成にGBAEvalの公表結果があります(BenchLeader、2026年11月16日)。
- GBAEval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)。
エージェントとしてゲームボーイアドバンスのゲームをプレイするタスク。
- 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
- 23
- 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
エージェントが画面と操作入力を使ってGBAのゲームをプレイし、進行度で採点されます。
採点方法
総合スコアで、公表された値です。
注意点
ゲームのベンチマークで、セットも小さくなっています。
- 1Claude Opus 579.6%
- 2Claude Fable 574.5%
- 3Claude Opus 4.870.9%
- 4Grok 4.565.4%
- 5Claude Sonnet 565.3%
- 6GPT-5.553.2%
- 7GPT-5.6 Sol52.6%
- 8Claude Sonnet 4.648.8%
- 9Kimi K348.4%
- 10GPT-5.445.1%
- 11Claude Opus 4.644.1%
- 12Claude Opus 4.743.8%
- 13Muse Spark 1.17.9%
- 14Gemini 3.5 Flash6.7%
- 15Grok Build 0.12.4%
23件中23件
| # | ||||
|---|---|---|---|---|
| 1 | 79.6% | 63.2 | 2026-07-24 | |
| 2 | 74.5% | 65.4 | 2026-06-09 | |
| 3 | 70.9% | 58.7 | 2026-05-28 | |
| 4 | 65.4% | 59.3 | 2026-07-08 | |
| 5 | 65.3% | 53.0 | 2026-06-30 | |
| 6 | 53.2% | 61.0 | 2026-04-23 | |
| 7 | 52.6% | 54.3 | 2026-07-09 | |
| 8 | 48.8% | 57.6 | 2026-02-17 | |
| 9 | 48.4% | 60.7 | 2026-07-16 | |
| 10 | 45.1% | 57.9 | 2026-03-05 | |
| 11 | 44.1% | 62.1 | 2026-02-05 | |
| 12 | 43.8% | 63.1 | 2026-04-16 | |
| 13 | 7.9% | 62.2 | 2026-07-09 | |
| 14 | 6.7% | – | 2026-05-19 | |
| 15 | 2.4% | – | 2026-05-29 | |
| 16 | 0.9% | 56.1 | 2026-06-01 | |
| 17 | 0.9% | 55.1 | 2026-04-20 | |
| 18 | 0.8% | 59.9 | 2026-02-19 | |
| 19 | 0.8% | 53.9 | 2026-06-12 | |
| 20 | 0.4% | 60.0 | 2026-05-19 | |
| 21 | 0.0% | 51.9 | 2026-06-16 | |
| 22 | 0.0% | 56.6 | 2026-03-18 | |
| 23 | 0.0% | 55.4 | 2026-04-07 |
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
GBAEvalでの注目のモデル比較
引用表記:BenchLeader「GBAEval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/gbaeval
GBAEval:よくある質問
- GBAEvalは何を測るベンチマークですか?
- エージェントが画面と操作入力を使ってGBAのゲームをプレイし、進行度で採点されます。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。
- GBAEvalの最高スコアは?
- 2026年11月16日時点で、GBAEvalの最高スコアは79.6%で、Claude Opus 5が記録しています(結果の日付は2026年7月24日)。次点はClaude Fable 5の74.5%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。
- GBAEvalでトップのAIモデルは?
- 2026年11月16日時点で、GBAEvalの首位はClaude Opus 5で、スコアは79.6%です(結果の日付は2026年7月24日)。続いてClaude Fable 5(74.5%)です。
- GBAEvalの結果があるモデルはいくつですか?
- BenchLeaderでは23のモデル構成にGBAEvalの結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
- GBAEval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?
- GBAEval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。
- GBAEvalはBenchLeader Indexに含まれますか?
- いいえ。GBAEval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。