LiveBench 2.0 Codingのリーダーボード
2026年11月16日時点で、LiveBench 2.0 Codingの最高スコアは91.0%で、Gemini 4 Carbon(Google)が記録しています。次点はClaude Fable 5.1の89.7%です。公表された結果があるのは34のモデル構成です(LiveBench、結果の日付は2026年11月6日)。LiveBench 2.0のコーディングスイートで、固定されたモノレポを使い、マージ済みのプルリクエストに含まれる実際のバグを、モデルがエージェントループでツールを使いながら修正します。LiveBench 2.0 Coding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)
- Gemini 4 CarbonがLiveBench 2.0 Codingの最高スコア91.0%を記録しています(LiveBench、2026年11月6日)。
- LiveBench 2.0 Codingの2位はClaude Fable 5.1で、89.7%です(LiveBench、2026年11月6日)。
- LiveBench 2.0 Coding:LiveBench 2.0のコーディングスイート。固定したモノレポで、実際にマージされたPRのバグ修正を決定的に採点(LiveBench)。
- BenchLeaderでは34のモデル構成にLiveBench 2.0 Codingの公表結果があります(BenchLeader、2026年11月16日)。
- LiveBench 2.0 Coding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)。
LiveBench 2.0のコーディングスイート。固定したモノレポで、実際にマージされたPRのバグ修正を決定的に採点。
- 公開元
- LiveBench
- カテゴリ
- コーディング
- Indexでの重み
- 参考のみ
- モデル
- 34
- データ基準日
- 2026年11月16日
LiveBench (livebench.ai), White et al. 2024.
同じ名前の以前のテストとは比較できません。以前のテストの最終スコアはLiveBench 1.0 Codingに残しています。
どんなテストか
LiveBench 2.0のコーディングスイートで、固定されたモノレポを使い、マージ済みのプルリクエストに含まれる実際のバグを、モデルがエージェントループでツールを使いながら修正します。
採点方法
現行リリースでの0〜100のタスクスコアの平均で、決定的な方法で採点されます。修正によって別の箇所が壊れた場合は0点になります。
注意点
LiveBench 1.0のCodingカテゴリ(短い競技プログラミングの問題)と名前は同じため、両者は分けて扱っています。2.0のスコアは2026年10月19日から始まります。エージェント型のテストの常として、ハーネスに左右されます。
- 1Gemini 4 Carbon (high)91.0%
- 2Claude Fable 5.1 (max)89.7%
- 3GPT-6.1 Terra (max)89.2%
- 4GPT-6 Astra (max)87.5%
- 5Claude Opus 5.5 (max)87.1%
- 6Gemini 4 Argon (high)85.7%
- 7Muse Spark 1.3 (max)84.4%
- 8GPT-5.6 Terra (max)84.2%
- 9GPT-6.1 Sol (max)82.1%
- 10DeepSeek V4.1 Flash 1017 (max)80.4%
- 11Mistral Large 4 (high)79.4%
- 12Claude Fable 5.2 (xhigh)79.2%
- 13Gemini 4 Hydrogen (xhigh)78.5%
- 14Claude Haiku 5.5 (max)77.6%
- 15Claude Sonnet 5.5 (max)77.2%
| # | |||||||
|---|---|---|---|---|---|---|---|
| 1 | 91.0% | 68.9 | $155.10 | $6.46 | 106k | 2026-11-06 | |
| 2 | 89.7% | 66.7 | $126.78 | $5.28 | 41k | 2026-11-06 | |
| 3 | 89.2% | 64.1 | $31.15 | $1.30 | 56k | 2026-11-06 | |
| 4 | 87.5% | 67.3 | $79.57 | $3.32 | 14k | 2026-11-06 | |
| 5 | 87.1% | 68.4 | $206.67 | $8.61 | 114k | 2026-11-06 | |
| 6 | 85.7% | 65.3 | $121.83 | $5.08 | 115k | 2026-11-06 | |
| 7 | 84.4% | 60.6 | $32.92 | $1.37 | 35k | 2026-11-06 | |
| 8 | 84.2% | 59.5 | $65.15 | $2.71 | 33k | 2026-11-06 | |
| 9 | 82.1% | 66.6 | $19.27 | $0.803 | 20k | 2026-11-06 | |
| 10 | 80.4% | 57.7 | $6.23 | $0.260 | 75k | 2026-11-06 | |
| 11 | 79.4% | 48.3 | $13.78 | $0.574 | 35k | 2026-11-06 | |
| 12 | NEW | 79.2% | 69.7 | $333.44 | $13.89 | 126k | 2026-11-06 |
| 13 | NEW | 78.5% | 61.8 | $148.60 | $6.19 | 125k | 2026-11-06 |
| 14 | 77.6% | 55.3 | $28.07 | $1.17 | 198k | 2026-11-06 | |
| 15 | 77.2% | 64.2 | $150.22 | $6.26 | 148k | 2026-11-06 | |
| 16 | 76.7% | 56.1 | $84.45 | $3.52 | 37k | 2026-11-06 | |
| 17 | 74.9% | 60.8 | $133.89 | $5.58 | 26k | 2026-11-06 | |
| 18 | 73.3% | 59.4 | $55.11 | $2.30 | 111k | 2026-11-06 | |
| 19 | 73.1% | 57.4 | $183.21 | $7.63 | 78k | 2026-11-06 | |
| 20 | 70.9% | 52.4 | $4.07 | $0.170 | 30k | 2026-11-06 | |
| 21 | 70.8% | 55.1 | $3.25 | $0.136 | 83k | 2026-11-06 | |
| 22 | 69.3% | – | $25.80 | $1.07 | 56k | 2026-11-06 | |
| 23 | 68.8% | – | $5.70 | $0.237 | 74k | 2026-11-06 | |
| 24 | 67.8% | 59.9 | $33.48 | $1.39 | 26k | 2026-11-06 | |
| 25 | 67.6% | – | $33.49 | $1.40 | 56k | 2026-11-06 | |
| 26 | 64.5% | – | $6.71 | $0.279 | 92k | 2026-11-06 | |
| 27 | 60.9% | 58.7 | $47.69 | $1.99 | 168k | 2026-11-06 | |
| 28 | 55.1% | – | $41.51 | $1.73 | 33k | 2026-11-06 | |
| 29 | 54.1% | – | $9.89 | $0.412 | 53k | 2026-11-06 | |
| 30 | 53.1% | 60.2 | $49.47 | $2.06 | 19k | 2026-11-06 | |
| 31 | 51.5% | – | $3.92 | $0.164 | 47k | 2026-11-06 | |
| 32 | 48.7% | – | $52.06 | $2.17 | 35k | 2026-11-06 | |
| 33 | 34.8% | – | $3.53 | $0.147 | 51k | 2026-11-06 | |
| 34 | 20.3% | – | $6.05 | $0.252 | 12k | 2026-11-06 |
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
LiveBench 2.0 Codingでの注目のモデル比較
引用表記:BenchLeader「LiveBench 2.0 Coding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/livebench2_coding
LiveBench 2.0 Coding:よくある質問
- LiveBench 2.0 Codingは何を測るベンチマークですか?
- LiveBench 2.0のコーディングスイートで、固定されたモノレポを使い、マージ済みのプルリクエストに含まれる実際のバグを、モデルがエージェントループでツールを使いながら修正します。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。
- LiveBench 2.0 Codingの最高スコアは?
- 2026年11月16日時点で、LiveBench 2.0 Codingの最高スコアは91.0%で、Gemini 4 Carbonが記録しています(結果の日付は2026年11月6日)。次点はClaude Fable 5.1の89.7%です。スコアはLiveBenchの公表値で、毎日読み直しています。
- LiveBench 2.0 CodingでトップのAIモデルは?
- 2026年11月16日時点で、LiveBench 2.0 Codingの首位はGemini 4 Carbonで、スコアは91.0%です(結果の日付は2026年11月6日)。続いてClaude Fable 5.1(89.7%)です。
- LiveBench 2.0 Codingの結果があるモデルはいくつですか?
- BenchLeaderでは34のモデル構成にLiveBench 2.0 Codingの結果があり、すべてLiveBenchから取得しています。
- LiveBench 2.0 Coding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?
- LiveBench 2.0 CodingはLiveBench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。
- LiveBench 2.0 CodingはBenchLeader Indexに含まれますか?
- いいえ。LiveBench 2.0 Coding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。