BenchLeader

HELM Capabilities meanのリーダーボード

2026年11月16日時点で、HELM Capabilities meanの最高スコアは81.9%で、GPT-5 mini(OpenAI)が記録しています。次点はo4-miniの81.2%です。公表された結果があるのは68のモデル構成です(HELM Capabilities、結果の日付は2025年11月24日)。HELMの5つの能力シナリオ(MMLU-Pro、GPQA、IFEval、WildBench、Omni-MATH)の平均です。HELM Capabilities mean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)

  • GPT-5 miniがHELM Capabilities meanの最高スコア81.9%を記録しています(HELM Capabilities、2025年11月24日)。
  • HELM Capabilities meanの2位はo4-miniで、81.2%です(HELM Capabilities、2025年11月24日)。
  • HELM Capabilities mean:HELMの5つの能力シナリオの平均。参考として掲載(HELM Capabilities)。
  • BenchLeaderでは68のモデル構成にHELM Capabilities meanの公表結果があります(BenchLeader、2026年11月16日)。
  • HELM Capabilities mean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)。

HELMの5つの能力シナリオの平均。参考として掲載。

公開元
HELM Capabilities
カテゴリ
総合
Indexでの重み
参考のみ
モデル
68
データ基準日
2026年11月16日

Stanford Center for Research on Foundation Models (crfm.stanford.edu), Apache-2.0 results.

どんなテストか

HELMの5つの能力シナリオ(MMLU-Pro、GPQA、IFEval、WildBench、Omni-MATH)の平均です。

採点方法

5つのスコアの単純平均で、0〜100の尺度です。参考としてのみ表示しています。

注意点

5つのシナリオでは総合指標の土台として範囲が狭く、HELMの更新もおおむね月1回なので、新しいモデルの掲載には遅れが出ます。

68件中68件
#
1GPT-5 mini81.9%56.62025-11-24
2o4-mini81.2%55.22025-11-24
3o381.1%60.42025-11-24
4GPT-580.7%56.62025-11-24
5Gemini 3 Pro79.9%60.02025-11-24
6Qwen3 235B A22B 250779.8%50.72025-11-24
7Grok 478.5%58.12025-11-24
8Claude Opus 4thinking78.0%55.72025-11-24
9gpt-oss-120b77.0%46.12025-11-24
10Kimi K276.8%51.12025-11-24
11Claude Sonnet 4thinking76.6%53.82025-11-24
12Claude Sonnet 4.576.2%53.82025-11-24
13Claude Opus 475.7%51.92025-11-24
14GPT-5 nano74.8%56.22025-11-24
15Gemini 2.5 Pro74.5%55.22025-11-24
16Claude Sonnet 473.3%50.02025-11-24
17Grok 372.7%50.92025-11-24
18GPT-4.172.7%48.72025-11-24
19Qwen3 235B A22B72.6%50.12025-11-24
20GPT-4.1 mini72.6%44.72025-11-24
21Llama 4 Maverick71.8%41.82025-11-24
22Claude Haiku 4.571.7%47.72025-11-24
23Qwen3-Next 80B A3Bthinking70.0%52.22025-11-24
24DeepSeek R1 052869.9%49.12025-11-24
25Palmyra X569.6%–2025-11-24
26Grok 3 mini67.9%52.02025-11-24
27Gemini 2.0 Flash67.9%43.52025-11-24
28Claude 3.7 Sonnet67.4%49.22025-11-24
29gpt-oss-20b67.4%44.52025-11-24
30GLM-4.5-Air67.0%46.72025-11-24
31DeepSeek V366.5%44.32025-11-24
32Gemini 1.5 Pro 00265.7%41.42025-11-24
33GPT-5.165.6%56.12025-11-24
34Claude 3.5 Sonnet65.3%46.82025-11-24
35Llama 4 Scout64.4%38.22025-11-24
36Gemini 2.0 Flash-Lite64.2%48.02025-11-24
37Nova Premier63.7%45.12025-11-24
38GPT-4o63.4%42.82025-11-24
39Gemini 2.5 Flash62.6%52.42025-11-24
40Llama 3.1 405B61.8%41.82025-11-24
41GPT-4.1 nano61.6%36.92025-11-24
42Gemini 1.5 Flash 00260.9%38.22025-11-24
43Palmyra X 00460.9%–2025-11-24
44Qwen2.5 72B59.9%43.12025-11-24
45Mistral Large 2.159.8%42.52025-11-24
46Gemini 2.5 Flash-Lite59.1%48.32025-11-24
47Nova Pro59.1%40.52025-11-24
48Palmyra Fin57.7%–2025-11-24
49Granite 4.0 Small57.5%–2025-11-24
50Llama 3.1 70B57.4%40.72025-11-24
51GPT-4o mini56.5%35.22025-11-24
52Mistral Small 3.155.8%38.42025-11-24
53Nova Lite55.1%38.22025-11-24
54Claude 3.5 Haiku54.9%38.72025-11-24
55Qwen2.5 7B Instruct52.9%39.82025-11-24
56Nova Micro52.2%39.22025-11-24
57granite-4.0-micro48.6%36.22025-11-24
58Mixtral 8x22B Instruct47.8%37.42025-11-24
59Palmyra Med47.6%–2025-11-24
60Olmo 2 32B March 202547.5%–2025-11-24

総合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「HELM Capabilities mean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/helm_mean

HELM Capabilities mean:よくある質問

HELM Capabilities meanは何を測るベンチマークですか?
HELMの5つの能力シナリオ(MMLU-Pro、GPQA、IFEval、WildBench、Omni-MATH)の平均です。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。
HELM Capabilities meanの最高スコアは?
2026年11月16日時点で、HELM Capabilities meanの最高スコアは81.9%で、GPT-5 miniが記録しています(結果の日付は2025年11月24日)。次点はo4-miniの81.2%です。スコアはHELM Capabilitiesの公表値で、毎日読み直しています。
HELM Capabilities meanでトップのAIモデルは?
2026年11月16日時点で、HELM Capabilities meanの首位はGPT-5 miniで、スコアは81.9%です(結果の日付は2025年11月24日)。続いてo4-mini(81.2%)です。
HELM Capabilities meanの結果があるモデルはいくつですか?
BenchLeaderでは68のモデル構成にHELM Capabilities meanの結果があり、すべてHELM Capabilitiesから取得しています。
HELM Capabilities mean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?
HELM Capabilities meanはHELM Capabilities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。
HELM Capabilities meanはBenchLeader Indexに含まれますか?
いいえ。HELM Capabilities mean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。