GDPvalのリーダーボード
2026年11月16日時点で、GDPvalの最高スコアは49.7%で、GPT-5.2(OpenAI)が記録しています。次点はClaude Opus 4.5の45.5%です。公表された結果があるのは11のモデル構成です(OpenAI、結果の日付は2025年12月11日)。GDPvalは、経済的な比重が最も大きい44の職種について、法務メモ、財務モデル、デザインブリーフといった実際の成果物をモデルに作らせます。その後、業界の専門家が各成果物を人間の専門家のものと比較します。GDPvalはBenchLeader Indexのエージェント・ツールスコアに反映されます。
要点(2026年11月16日時点)
- GPT-5.2がGDPvalの最高スコア49.7%を記録しています(OpenAI、2025年12月11日)。
- GDPvalの2位はClaude Opus 4.5で、45.5%です(OpenAI、2025年11月24日)。
- GDPval:経済的価値の高いタスクで、業界の専門家と比べた勝率(OpenAI)(OpenAI)。
- BenchLeaderでは11のモデル構成にGDPvalの公表結果があります(BenchLeader、2026年11月16日)。
- GDPvalはBenchLeader Indexのエージェント・ツールカテゴリに反映されます(BenchLeaderの評価方法)。
経済的価値の高いタスクで、業界の専門家と比べた勝率(OpenAI)。
- 公開元
- OpenAIデータ取得元:Epoch AI Benchmarking Hub
- カテゴリ
- エージェント・ツール
- Indexでの重み
- 0.5
- モデル
- 11
- データ基準日
- 2026年11月16日
- 最新の結果
- 2025年12月11日
公開元は2025年12月11日以降、このボードに新しい結果を掲載していません。BenchLeaderは毎日読み直しているので、新しいモデルの結果は公開され次第ここに表示されます。
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
GDPvalは、経済的な比重が最も大きい44の職種について、法務メモ、財務モデル、デザインブリーフといった実際の成果物をモデルに作らせます。その後、業界の専門家が各成果物を人間の専門家のものと比較します。
採点方法
勝率で、評価者がプロの成果物よりモデルの成果物を選んだ(または引き分けとした)頻度です。OpenAIが公表しています。
注意点
評価は人間による一対比較なので、スコアは相対的で、再現には費用がかかります。公開されているのはゴールドサブセットだけです。タスクは一発で仕上げる成果物で、多くの仕事にある反復的な作業ではありません。
- 1GPT-5.2 (none)49.7%
- 2Claude Opus 4.545.5%
- 3Claude Opus 4.143.6%
- 4Claude Sonnet 4.542.5%
- 5Gemini 3 Pro40.3%
- 6GPT-5 (medium)34.8%
- 7o3 (medium)30.8%
- 8o4-mini (high)25.3%
- 9Gemini 2.5 Pro23.3%
- 10Grok 4 (high)21.1%
- 11GPT-4o9.9%
| # | ||||
|---|---|---|---|---|
| 1 | 49.7% | 48.5 | 2025-12-11 | |
| 2 | 45.5% | 57.1 | 2025-11-24 | |
| 3 | 43.6% | 51.1 | 2025-08-05 | |
| 4 | 42.5% | 53.8 | 2025-09-29 | |
| 5 | 40.3% | 60.0 | 2025-11-18 | |
| 6 | 34.8% | 59.0 | 2025-08-07 | |
| 7 | 30.8% | 53.3 | 2025-04-16 | |
| 8 | 25.3% | 51.2 | 2025-04-16 | |
| 9 | 23.3% | 55.2 | 2025-06-17 | |
| 10 | 21.1% | – | 2025-07-09 | |
| 11 | 9.9% | 42.8 | 2024-11-20 |
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
GDPvalでの注目のモデル比較
引用表記:BenchLeader「GDPval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/gdpval
GDPval:よくある質問
- GDPvalは何を測るベンチマークですか?
- GDPvalは、経済的な比重が最も大きい44の職種について、法務メモ、財務モデル、デザインブリーフといった実際の成果物をモデルに作らせます。その後、業界の専門家が各成果物を人間の専門家のものと比較します。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。
- GDPvalの最高スコアは?
- 2026年11月16日時点で、GDPvalの最高スコアは49.7%で、GPT-5.2が記録しています(結果の日付は2025年12月11日)。次点はClaude Opus 4.5の45.5%です。スコアはOpenAIの公表値で、毎日読み直しています。
- GDPvalでトップのAIモデルは?
- 2026年11月16日時点で、GDPvalの首位はGPT-5.2で、スコアは49.7%です(結果の日付は2025年12月11日)。続いてClaude Opus 4.5(45.5%)です。
- GDPvalの結果があるモデルはいくつですか?
- BenchLeaderでは11のモデル構成にGDPvalの結果があり、すべてOpenAI(Epoch AI Benchmarking Hub経由)から取得しています。
- GDPval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?
- GDPvalはOpenAI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。
- GDPvalはBenchLeader Indexに含まれますか?
- はい。GDPvalはBenchLeader Indexのエージェント・ツール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。