BenchLeader

LiveBenchのリーダーボード

2026年11月16日時点で、LiveBenchの最高スコアは84.9%で、Claude Fable 5.2(Anthropic)が記録しています。次点はGPT-6 Astraの84.5%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は、データ汚染への対策を重視し、リリースごとに更新されるベンチマークです。2026年10月14日に公開されたLiveBench 2.0は7つのスイートで構成されます。モデルがツールを使って実際のタスクに取り組む5つのエージェント系スイート(長期のエージェント作業、コーディング、ブラウザ操作、リサーチ、デザイン)と、2つの短い問題セット(推論、データ分析)です。LiveBenchはBenchLeader Indexの総合スコアに反映されます。

要点(2026年11月16日時点)

  • Claude Fable 5.2がLiveBench 2.0の最高スコア84.9%を記録しています(LiveBench、2026年11月6日)。
  • LiveBench 2.0の2位はGPT-6 Astraで、84.5%です(LiveBench、2026年11月6日)。
  • LiveBench 2.0:LiveBench 2.0の最新リリースにおける7つのスイートのスコアを、LiveBench自身の重み(Long Agenticが2倍、CodingとDesignが1.5倍、ほかは1倍)で加重平均したもの(LiveBench)。
  • BenchLeaderでは34のモデル構成にLiveBench 2.0の公表結果があります(BenchLeader、2026年11月16日)。
  • LiveBench 2.0はBenchLeader Indexの総合カテゴリに反映されます(BenchLeaderの評価方法)。

LiveBench 2.0の最新リリースにおける7つのスイートのスコアを、LiveBench自身の重み(Long Agenticが2倍、CodingとDesignが1.5倍、ほかは1倍)で加重平均したもの。

公開元
LiveBench
カテゴリ
総合
Indexでの重み
1.0
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に残しています。

どんなテストか

LiveBenchは、データ汚染への対策を重視し、リリースごとに更新されるベンチマークです。2026年10月14日に公開されたLiveBench 2.0は7つのスイートで構成されます。モデルがツールを使って実際のタスクに取り組む5つのエージェント系スイート(長期のエージェント作業、コーディング、ブラウザ操作、リサーチ、デザイン)と、2つの短い問題セット(推論、データ分析)です。

採点方法

現行リリースにおける7つのスイートのスコアを、LiveBench自身の総合用の重みで加重平均したものです。Long Agenticが2倍、CodingとDesignがそれぞれ1.5倍、Reasoning、Browser、Data Analysis、Researchがそれぞれ1倍です。各スイートのスコア自体は、1回の実行で自動採点されたタスクスコア(0〜100)の平均です。livebench.aiに表示される総合スコアと同じものです。

注意点

LiveBench 1.0とは別のテストなので、2.0のスコアは2026年10月19日から始まり、1.0のスコアとは比較できません(LiveBench 1.0を参照)。2.0の中でも、問題セットや公表された重みはリリース間で変わることがあります。BenchLeaderは両方をリリースから読み取り、各結果の日付を記録しています。

34件中34件
#
1NEWClaude Fable 5.2xhigh84.9%69.7$3896.10$8.3678k2026-11-06
2GPT-6 Astramax84.5%67.3$2092.68$4.4921k2026-11-06
3Claude Fable 5.1max84.0%66.7$3272.31$7.0236k2026-11-06
4Gemini 4 Carbonhigh83.5%68.9$787.65$1.6956k2026-11-06
5Claude Opus 5.5max83.4%68.4$2614.21$5.6182k2026-11-06
6GPT-6.1 Solmax81.4%66.6$311.94$0.66921k2026-11-06
7GPT-6.1 Terramax78.8%64.1$247.01$0.53025k2026-11-06
8Gemini 4 Argonhigh77.7%65.3$659.45$1.4241k2026-11-06
9NEWGemini 4 Hydrogenxhigh77.0%61.8$690.23$1.4863k2026-11-06
10Claude Sonnet 5.5max77.0%64.2$2081.90$4.47164k2026-11-06
11Muse Wondermax70.7%60.8$809.52$1.7424k2026-11-06
12DeepSeek V4.1 Flash 1017max70.3%57.7$63.79$0.13751k2026-11-06
13Claude Haiku 5.5max68.9%55.3$406.14$0.872196k2026-11-06
14Kimi K3.1 Promax68.7%59.9$343.45$0.73725k2026-11-06
15Muse Spark 1.3max68.6%60.6$452.51$0.97145k2026-11-06
16Grok 4.7xhigh67.9%57.4$1321.10$2.8380k2026-11-06
17GPT-5.6 Terramax67.2%59.5$653.39$1.4026k2026-11-06
18MiMo-V2.6-Prohigh66.1%–$54.04$0.11651k2026-11-06
19Kimi K3max65.0%60.2$656.99$1.4127k2026-11-06
20MiniMax M3.1 Flashmax63.7%–$51.26$0.11047k2026-11-06
21Grok 4.6xhigh63.5%56.1$568.95$1.2225k2026-11-06
22Qwen3.8 Maxmax60.9%58.7$572.06$1.2360k2026-11-06
23GLM 5.3 Flashmax60.7%52.4$49.37$0.10644k2026-11-06
24GPT-6 Lunamax60.4%55.1$37.04$0.08058k2026-11-06
25Mistral Large 4high60.3%48.3$169.50$0.36439k2026-11-06
26Gemini 3.8 Flashhigh57.3%59.4$427.09$0.91665k2026-11-06
27Step 5 Previewmax54.9%–$347.75$0.74650k2026-11-06
28Qwen3.8 27Bmax54.0%–$266.15$0.57147k2026-11-06
29Muse Spark Openmax48.5%–$257.46$0.55219k2026-11-06
30Smaug Nemotron 3.5 NVFP4max47.0%–$39.47$0.08539k2026-11-06
31Nemotron Super VL 3.5max47.0%–$67.48$0.14544k2026-11-06
32Inklingmax44.3%–$401.76$0.86235k2026-11-06
33Nemotron Super VL 3.5 NVFP4max42.3%–$34.50$0.07437k2026-11-06
34Gemma 4 31Bmax32.4%–$32.89$0.07115k2026-11-06

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「LiveBench 2.0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_global

LiveBench 2.0:よくある質問

LiveBench 2.0は何を測るベンチマークですか?
LiveBenchは、データ汚染への対策を重視し、リリースごとに更新されるベンチマークです。2026年10月14日に公開されたLiveBench 2.0は7つのスイートで構成されます。モデルがツールを使って実際のタスクに取り組む5つのエージェント系スイート(長期のエージェント作業、コーディング、ブラウザ操作、リサーチ、デザイン)と、2つの短い問題セット(推論、データ分析)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。
LiveBench 2.0の最高スコアは?
2026年11月16日時点で、LiveBench 2.0の最高スコアは84.9%で、Claude Fable 5.2が記録しています(結果の日付は2026年11月6日)。次点はGPT-6 Astraの84.5%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の総合スコアはどう重み付けされていますか?
LiveBenchはリリースごとに独自のカテゴリの重みを公表しています。現在のリリースではLong Agenticが2倍、CodingとDesignがそれぞれ1.5倍、Reasoning、Browser、Data Analysis、Researchがそれぞれ1倍です。BenchLeaderはこの重みを使うため、総合スコアはlivebench.aiと一致します。LiveBenchが重みを変えた場合は、次の毎日の更新で反映されます。
LiveBench 2.0でトップのAIモデルは?
2026年11月16日時点で、LiveBench 2.0の首位はClaude Fable 5.2で、スコアは84.9%です(結果の日付は2026年11月6日)。続いてGPT-6 Astra(84.5%)です。
LiveBench 2.0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の結果があり、すべてLiveBenchから取得しています。
LiveBench 2.0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はBenchLeader Indexに含まれますか?
はい。LiveBench 2.0はBenchLeader Indexの総合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。