GSO-Benchのリーダーボード
2026年11月16日時点で、GSO-Benchの最高スコアは88.2%で、Claude Fable 5.1(Anthropic)が記録しています。次点はGPT-6 Astraの79.4%です。公表された結果があるのは35のモデル構成です(GSO-Bench、結果の日付は2026年9月1日)。GSO-Benchは、実際のソフトウェアを高速化するようモデルに求めます。リポジトリと性能目標が与えられ、最適化を提出すると、専門家による高速化と比較して測定されます。GSO-Bench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 Fable 5.1がGSO-Benchの最高スコア88.2%を記録しています(GSO-Bench、2026年9月1日)。
- GSO-Benchの2位はGPT-6 Astraで、79.4%です(GSO-Bench、2026年9月3日)。
- GSO-Bench:専門家による高速化を基準に測るソフトウェア最適化タスク(GSO-Bench)。
- BenchLeaderでは35のモデル構成にGSO-Benchの公表結果があります(BenchLeader、2026年11月16日)。
- GSO-Bench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)。
専門家による高速化を基準に測るソフトウェア最適化タスク。
- 公開元
- GSO-Bench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
- 35
- 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
GSO-Benchは、実際のソフトウェアを高速化するようモデルに求めます。リポジトリと性能目標が与えられ、最適化を提出すると、専門家による高速化と比較して測定されます。
採点方法
テストを通したまま、モデルの変更が専門家並みの高速化を達成したタスクの割合です。
注意点
性能の測定はハードウェアやノイズに左右され、基準が専門家の結果なので、ほとんどのモデルのスコアは低くなります。一般的なコーディングテストでは捉えられないシステムの知識が評価されます。
- 1Claude Fable 5.188.2%
- 2GPT-6 Astra79.4%
- 3Claude Fable 578.4%
- 4GPT-5.6 Sol76.5%
- 5Claude Opus 4.847.1%
- 6Claude Opus 4.744.1%
- 7Claude Opus 4.7 (high)44.1%
- 8Claude Opus 4.6 (high)41.2%
- 9GPT-5.5 (xhigh)40.2%
- 10Claude Sonnet 537.3%
- 11Claude Opus 4.633.3%
- 12GPT-5.4 (xhigh)31.4%
- 13GPT-5.2 (high)27.4%
- 14Claude Opus 4.526.5%
- 15GPT-5.4 (high)25.5%
| # | ||||
|---|---|---|---|---|
| 1 | 88.2% | 66.4 | 2026-09-01 | |
| 2 | 79.4% | 66.4 | 2026-09-03 | |
| 3 | 78.4% | 65.4 | 2026-06-09 | |
| 4 | 76.5% | 54.3 | 2026-07-09 | |
| 5 | 47.1% | 58.7 | 2026-05-28 | |
| 6 | 44.1% | 63.1 | 2026-04-16 | |
| 7 | 44.1% | 60.0 | 2026-04-16 | |
| 8 | 41.2% | 62.5 | 2026-02-05 | |
| 9 | 40.2% | 64.1 | 2026-04-23 | |
| 10 | 37.3% | 53.0 | 2026-06-30 | |
| 11 | 33.3% | 62.1 | 2026-02-05 | |
| 12 | 31.4% | 63.1 | 2026-03-05 | |
| 13 | 27.4% | 55.8 | 2025-12-11 | |
| 14 | 26.5% | 57.1 | 2025-11-24 | |
| 15 | 25.5% | 58.6 | 2026-03-05 | |
| 16 | 22.6% | 59.9 | 2026-02-19 | |
| 17 | 18.6% | 60.0 | 2025-11-18 | |
| 18 | 14.7% | 53.8 | 2025-09-29 | |
| 19 | 13.7% | 56.1 | 2025-11-13 | |
| 20 | 13.7% | 57.5 | 2025-11-13 | |
| 21 | 9.8% | 56.5 | 2025-12-17 | |
| 22 | 8.8% | 55.1 | 2025-04-16 | |
| 23 | 6.9% | 58.2 | 2025-08-07 | |
| 24 | 6.9% | 51.9 | 2025-05-22 | |
| 25 | 4.9% | 51.1 | 2025-07-12 | |
| 26 | 4.9% | 50.0 | 2025-05-22 | |
| 27 | 4.9% | 48.9 | 2025-07-31 | |
| 28 | 4.6% | 46.8 | 2024-10-22 | |
| 29 | 3.9% | 55.2 | 2025-06-17 | |
| 30 | 3.8% | 49.2 | 2025-02-24 | |
| 31 | 3.6% | 51.2 | 2025-04-16 | |
| 32 | 2.9% | 46.7 | 2025-07-20 | |
| 33 | 1.3% | 47.9 | 2025-01-31 | |
| 34 | 1.3% | 40.2 | 2025-01-31 | |
| 35 | 0.0% | 42.8 | 2024-11-20 |
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
関連するベンチマーク
GSO-Benchでの注目のモデル比較
引用表記:BenchLeader「GSO-Bench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/gso_bench
GSO-Bench:よくある質問
- GSO-Benchは何を測るベンチマークですか?
- GSO-Benchは、実際のソフトウェアを高速化するようモデルに求めます。リポジトリと性能目標が与えられ、最適化を提出すると、専門家による高速化と比較して測定されます。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。
- GSO-Benchの最高スコアは?
- 2026年11月16日時点で、GSO-Benchの最高スコアは88.2%で、Claude Fable 5.1が記録しています(結果の日付は2026年9月1日)。次点はGPT-6 Astraの79.4%です。スコアはGSO-Benchの公表値で、毎日読み直しています。
- GSO-BenchでトップのAIモデルは?
- 2026年11月16日時点で、GSO-Benchの首位はClaude Fable 5.1で、スコアは88.2%です(結果の日付は2026年9月1日)。続いてGPT-6 Astra(79.4%)です。
- GSO-Benchの結果があるモデルはいくつですか?
- BenchLeaderでは35のモデル構成にGSO-Benchの結果があり、すべてGSO-Bench(Epoch AI Benchmarking Hub経由)から取得しています。
- GSO-Bench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?
- GSO-BenchはGSO-Bench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。
- GSO-BenchはBenchLeader Indexに含まれますか?
- はい。GSO-Bench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。