BenchLeader

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。

35件中35件
#
1Claude Fable 5.188.2%66.42026-09-01
2GPT-6 Astra79.4%66.42026-09-03
3Claude Fable 578.4%65.42026-06-09
4GPT-5.6 Sol76.5%54.32026-07-09
5Claude Opus 4.847.1%58.72026-05-28
6Claude Opus 4.744.1%63.12026-04-16
7Claude Opus 4.7high44.1%60.02026-04-16
8Claude Opus 4.6high41.2%62.52026-02-05
9GPT-5.5xhigh40.2%64.12026-04-23
10Claude Sonnet 537.3%53.02026-06-30
11Claude Opus 4.633.3%62.12026-02-05
12GPT-5.4xhigh31.4%63.12026-03-05
13GPT-5.2high27.4%55.82025-12-11
14Claude Opus 4.526.5%57.12025-11-24
15GPT-5.4high25.5%58.62026-03-05
16Gemini 3.1 Pro22.6%59.92026-02-19
17Gemini 3 Pro18.6%60.02025-11-18
18Claude Sonnet 4.514.7%53.82025-09-29
19GPT-5.113.7%56.12025-11-13
20GPT-5.1high13.7%57.52025-11-13
21Gemini 3 Flash9.8%56.52025-12-17
22o3high8.8%55.12025-04-16
23GPT-5high6.9%58.22025-08-07
24Claude Opus 46.9%51.92025-05-22
25Kimi K24.9%51.12025-07-12
26Claude Sonnet 44.9%50.02025-05-22
27Qwen3 Coder 480B4.9%48.92025-07-31
28Claude 3.5 Sonnet4.6%46.82024-10-22
29Gemini 2.5 Pro3.9%55.22025-06-17
30Claude 3.7 Sonnet3.8%49.22025-02-24
31o4-minihigh3.6%51.22025-04-16
32GLM-4.5-Air2.9%46.72025-07-20
33o3-minihigh1.3%47.92025-01-31
34o3-minilow1.3%40.22025-01-31
35GPT-4o0.0%42.82024-11-20

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

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。