BenchLeader

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。

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
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。

23件中23件
#
1Claude Opus 579.6%63.22026-07-24
2Claude Fable 574.5%65.42026-06-09
3Claude Opus 4.870.9%58.72026-05-28
4Grok 4.565.4%59.32026-07-08
5Claude Sonnet 565.3%53.02026-06-30
6GPT-5.553.2%61.02026-04-23
7GPT-5.6 Sol52.6%54.32026-07-09
8Claude Sonnet 4.648.8%57.62026-02-17
9Kimi K348.4%60.72026-07-16
10GPT-5.445.1%57.92026-03-05
11Claude Opus 4.644.1%62.12026-02-05
12Claude Opus 4.743.8%63.12026-04-16
13Muse Spark 1.17.9%62.22026-07-09
14Gemini 3.5 Flash6.7%–2026-05-19
15Grok Build 0.12.4%–2026-05-29
16MiniMax M30.9%56.12026-06-01
17Kimi K2.60.9%55.12026-04-20
18Gemini 3.1 Pro0.8%59.92026-02-19
19Kimi K2.7 Code0.8%53.92026-06-12
20Qwen3.7max0.4%60.02026-05-19
21GLM 5.20.0%51.92026-06-16
22MiniMax M2.70.0%56.62026-03-18
23GLM 5.10.0%55.42026-04-07

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

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。