BenchLeader

LiveBench 2.0 Reasoningのリーダーボード

2026年11月16日時点で、LiveBench 2.0 Reasoningの最高スコアは95.1%で、Gemini 4 Argon(Google)が記録しています。次点はGPT-6 Astraの92.7%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の推論スイートで、論理、空間認識、心の理論に関する短い問題からなり、それぞれ正解は1つです。LiveBench 2.0 Reasoning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 ArgonがLiveBench 2.0 Reasoningの最高スコア95.1%を記録しています(LiveBench、2026年11月6日)。
  • LiveBench 2.0 Reasoningの2位はGPT-6 Astraで、92.7%です(LiveBench、2026年11月6日)。
  • LiveBench 2.0 Reasoning:LiveBench 2.0の推論スイート。正解がひとつに決まる、論理・空間認識・心の理論の短い問題(LiveBench)。
  • BenchLeaderでは34のモデル構成にLiveBench 2.0 Reasoningの公表結果があります(BenchLeader、2026年11月16日)。
  • LiveBench 2.0 Reasoning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の推論スイート。正解がひとつに決まる、論理・空間認識・心の理論の短い問題。

公開元
LiveBench
カテゴリ
推論
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 Reasoningに残しています。

どんなテストか

LiveBench 2.0の推論スイートで、論理、空間認識、心の理論に関する短い問題からなり、それぞれ正解は1つです。

採点方法

現行リリースでの正答率で、サブカテゴリを均等に重み付けした平均です。自動で採点されます。

注意点

LiveBench 1.0のReasoningカテゴリと名前は同じですが、問題セットが異なるため、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。

34件中34件
#
1Gemini 4 Argonhigh95.1%65.3$15.77$0.0788k2026-11-06
2GPT-6 Astramax92.7%67.3$78.75$0.3908k2026-11-06
3GPT-6.1 Solmax92.6%66.6$16.22$0.0808k2026-11-06
4Claude Opus 5.5max92.2%68.4$50.95$0.25212k2026-11-06
5Claude Fable 5.1max91.7%66.7$92.95$0.4609k2026-11-06
6Claude Sonnet 5.5max91.6%64.2$42.23$0.20921k2026-11-06
7Grok 4.6xhigh91.2%56.1$17.63$0.08714k2026-11-06
8Kimi K3.1 Promax91.1%59.9$31.53$0.15615k2026-11-06
9Kimi K3max90.7%60.2$39.41$0.19513k2026-11-06
10Gemini 4 Carbonhigh90.6%68.9$47.12$0.23322k2026-11-06
11Muse Wondermax90.6%60.8$60.27$0.29815k2026-11-06
12GPT-5.6 Terramax90.6%59.5$37.80$0.18715k2026-11-06
13Muse Spark 1.3max89.7%60.6$27.42$0.13632k2026-11-06
14Gemini 3.8 Flashhigh89.3%59.4$29.81$0.14839k2026-11-06
15DeepSeek V4.1 Flash 1017max89.1%57.7$4.89$0.02420k2026-11-06
16NEWClaude Fable 5.2xhigh88.8%69.7$33.14$0.1644k2026-11-06
17GPT-6.1 Terramax88.7%64.1$8.14$0.0408k2026-11-06
18NEWGemini 4 Hydrogenxhigh88.6%61.8$39.96$0.19825k2026-11-06
19Qwen3.8 Maxmax88.2%58.7$26.56$0.13222k2026-11-06
20Mistral Large 4high85.2%48.3$10.95$0.05425k2026-11-06
21Step 5 Previewmax83.8%–$9.74$0.04817k2026-11-06
22MiniMax M3.1 Flashmax82.9%–$2.24$0.01118k2026-11-06
23Grok 4.7xhigh82.7%57.4$77.78$0.38564k2026-11-06
24Claude Haiku 5.5max82.4%55.3$4.16$0.02141k2026-11-06
25GPT-6 Lunamax81.8%55.1$4.32$0.02143k2026-11-06
26Qwen3.8 27Bmax80.0%–$15.13$0.07525k2026-11-06
27MiMo-V2.6-Prohigh79.6%–$4.79$0.02427k2026-11-06
28Inklingmax78.3%–$21.01$0.10425k2026-11-06
29GLM 5.3 Flashmax77.6%52.4$2.78$0.01427k2026-11-06
30Smaug Nemotron 3.5 NVFP4max75.1%–$2.54$0.01325k2026-11-06
31Nemotron Super VL 3.5max74.6%–$4.22$0.02136k2026-11-06
32Muse Spark Openmax73.7%–$8.62$0.04310k2026-11-06
33Nemotron Super VL 3.5 NVFP4max71.7%–$2.43$0.01224k2026-11-06
34Gemma 4 31Bmax68.3%–$0.760$0.00389k2026-11-06

推論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 Reasoning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_reasoning

LiveBench 2.0 Reasoning:よくある質問

LiveBench 2.0 Reasoningは何を測るベンチマークですか?
LiveBench 2.0の推論スイートで、論理、空間認識、心の理論に関する短い問題からなり、それぞれ正解は1つです。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 Reasoningの最高スコアは?
2026年11月16日時点で、LiveBench 2.0 Reasoningの最高スコアは95.1%で、Gemini 4 Argon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92.7%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 ReasoningでトップのAIモデルは?
2026年11月16日時点で、LiveBench 2.0 Reasoningの首位はGemini 4 Argonで、スコアは95.1%です(結果の日付は2026年11月6日)。続いてGPT-6 Astra(92.7%)です。
LiveBench 2.0 Reasoning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 Reasoningの結果があり、すべてLiveBenchから取得しています。
LiveBench 2.0 Reasoning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 Reasoning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 ReasoningはBenchLeader Indexに含まれますか?
いいえ。LiveBench 2.0 Reasoning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。