BenchLeader

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。

34件中34件
#
1Gemini 4 Carbonhigh91.0%68.9$155.10$6.46106k2026-11-06
2Claude Fable 5.1max89.7%66.7$126.78$5.2841k2026-11-06
3GPT-6.1 Terramax89.2%64.1$31.15$1.3056k2026-11-06
4GPT-6 Astramax87.5%67.3$79.57$3.3214k2026-11-06
5Claude Opus 5.5max87.1%68.4$206.67$8.61114k2026-11-06
6Gemini 4 Argonhigh85.7%65.3$121.83$5.08115k2026-11-06
7Muse Spark 1.3max84.4%60.6$32.92$1.3735k2026-11-06
8GPT-5.6 Terramax84.2%59.5$65.15$2.7133k2026-11-06
9GPT-6.1 Solmax82.1%66.6$19.27$0.80320k2026-11-06
10DeepSeek V4.1 Flash 1017max80.4%57.7$6.23$0.26075k2026-11-06
11Mistral Large 4high79.4%48.3$13.78$0.57435k2026-11-06
12NEWClaude Fable 5.2xhigh79.2%69.7$333.44$13.89126k2026-11-06
13NEWGemini 4 Hydrogenxhigh78.5%61.8$148.60$6.19125k2026-11-06
14Claude Haiku 5.5max77.6%55.3$28.07$1.17198k2026-11-06
15Claude Sonnet 5.5max77.2%64.2$150.22$6.26148k2026-11-06
16Grok 4.6xhigh76.7%56.1$84.45$3.5237k2026-11-06
17Muse Wondermax74.9%60.8$133.89$5.5826k2026-11-06
18Gemini 3.8 Flashhigh73.3%59.4$55.11$2.30111k2026-11-06
19Grok 4.7xhigh73.1%57.4$183.21$7.6378k2026-11-06
20GLM 5.3 Flashmax70.9%52.4$4.07$0.17030k2026-11-06
21GPT-6 Lunamax70.8%55.1$3.25$0.13683k2026-11-06
22Qwen3.8 27Bmax69.3%–$25.80$1.0756k2026-11-06
23MiniMax M3.1 Flashmax68.8%–$5.70$0.23774k2026-11-06
24Kimi K3.1 Promax67.8%59.9$33.48$1.3926k2026-11-06
25Step 5 Previewmax67.6%–$33.49$1.4056k2026-11-06
26MiMo-V2.6-Prohigh64.5%–$6.71$0.27992k2026-11-06
27Qwen3.8 Maxmax60.9%58.7$47.69$1.99168k2026-11-06
28Muse Spark Openmax55.1%–$41.51$1.7333k2026-11-06
29Nemotron Super VL 3.5max54.1%–$9.89$0.41253k2026-11-06
30Kimi K3max53.1%60.2$49.47$2.0619k2026-11-06
31Smaug Nemotron 3.5 NVFP4max51.5%–$3.92$0.16447k2026-11-06
32Inklingmax48.7%–$52.06$2.1735k2026-11-06
33Nemotron Super VL 3.5 NVFP4max34.8%–$3.53$0.14751k2026-11-06
34Gemma 4 31Bmax20.3%–$6.05$0.25212k2026-11-06

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

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。