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。
- 1Claude Fable 5.2 (xhigh)84.9%
- 2GPT-6 Astra (max)84.5%
- 3Claude Fable 5.1 (max)84.0%
- 4Gemini 4 Carbon (high)83.5%
- 5Claude Opus 5.5 (max)83.4%
- 6GPT-6.1 Sol (max)81.4%
- 7GPT-6.1 Terra (max)78.8%
- 8Gemini 4 Argon (high)77.7%
- 9Gemini 4 Hydrogen (xhigh)77.0%
- 10Claude Sonnet 5.5 (max)77.0%
- 11Muse Wonder (max)70.7%
- 12DeepSeek V4.1 Flash 1017 (max)70.3%
- 13Claude Haiku 5.5 (max)68.9%
- 14Kimi K3.1 Pro (max)68.7%
- 15Muse Spark 1.3 (max)68.6%
| # | |||||||
|---|---|---|---|---|---|---|---|
| 1 | NEW | 84.9% | 69.7 | $3896.10 | $8.36 | 78k | 2026-11-06 |
| 2 | 84.5% | 67.3 | $2092.68 | $4.49 | 21k | 2026-11-06 | |
| 3 | 84.0% | 66.7 | $3272.31 | $7.02 | 36k | 2026-11-06 | |
| 4 | 83.5% | 68.9 | $787.65 | $1.69 | 56k | 2026-11-06 | |
| 5 | 83.4% | 68.4 | $2614.21 | $5.61 | 82k | 2026-11-06 | |
| 6 | 81.4% | 66.6 | $311.94 | $0.669 | 21k | 2026-11-06 | |
| 7 | 78.8% | 64.1 | $247.01 | $0.530 | 25k | 2026-11-06 | |
| 8 | 77.7% | 65.3 | $659.45 | $1.42 | 41k | 2026-11-06 | |
| 9 | NEW | 77.0% | 61.8 | $690.23 | $1.48 | 63k | 2026-11-06 |
| 10 | 77.0% | 64.2 | $2081.90 | $4.47 | 164k | 2026-11-06 | |
| 11 | 70.7% | 60.8 | $809.52 | $1.74 | 24k | 2026-11-06 | |
| 12 | 70.3% | 57.7 | $63.79 | $0.137 | 51k | 2026-11-06 | |
| 13 | 68.9% | 55.3 | $406.14 | $0.872 | 196k | 2026-11-06 | |
| 14 | 68.7% | 59.9 | $343.45 | $0.737 | 25k | 2026-11-06 | |
| 15 | 68.6% | 60.6 | $452.51 | $0.971 | 45k | 2026-11-06 | |
| 16 | 67.9% | 57.4 | $1321.10 | $2.83 | 80k | 2026-11-06 | |
| 17 | 67.2% | 59.5 | $653.39 | $1.40 | 26k | 2026-11-06 | |
| 18 | 66.1% | – | $54.04 | $0.116 | 51k | 2026-11-06 | |
| 19 | 65.0% | 60.2 | $656.99 | $1.41 | 27k | 2026-11-06 | |
| 20 | 63.7% | – | $51.26 | $0.110 | 47k | 2026-11-06 | |
| 21 | 63.5% | 56.1 | $568.95 | $1.22 | 25k | 2026-11-06 | |
| 22 | 60.9% | 58.7 | $572.06 | $1.23 | 60k | 2026-11-06 | |
| 23 | 60.7% | 52.4 | $49.37 | $0.106 | 44k | 2026-11-06 | |
| 24 | 60.4% | 55.1 | $37.04 | $0.080 | 58k | 2026-11-06 | |
| 25 | 60.3% | 48.3 | $169.50 | $0.364 | 39k | 2026-11-06 | |
| 26 | 57.3% | 59.4 | $427.09 | $0.916 | 65k | 2026-11-06 | |
| 27 | 54.9% | – | $347.75 | $0.746 | 50k | 2026-11-06 | |
| 28 | 54.0% | – | $266.15 | $0.571 | 47k | 2026-11-06 | |
| 29 | 48.5% | – | $257.46 | $0.552 | 19k | 2026-11-06 | |
| 30 | 47.0% | – | $39.47 | $0.085 | 39k | 2026-11-06 | |
| 31 | 47.0% | – | $67.48 | $0.145 | 44k | 2026-11-06 | |
| 32 | 44.3% | – | $401.76 | $0.862 | 35k | 2026-11-06 | |
| 33 | 42.3% | – | $34.50 | $0.074 | 37k | 2026-11-06 | |
| 34 | 32.4% | – | $32.89 | $0.071 | 15k | 2026-11-06 |
関連するベンチマーク
LiveBench 2.0での注目のモデル比較
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。