BenchLeader

LiveBench Agentic Codingのリーダーボード

2026年11月16日時点で、LiveBench Agentic Codingの最高スコアは77.3%で、DeepSeek V4.1 Flash(DeepSeek)が記録しています。次点はClaude Opus 5.5の71.7%です。公表された結果があるのは68のモデル構成です(LiveBench、結果の日付は2026年6月25日)。LiveBenchのエージェント型コーディングカテゴリで、モデルが新たに作成された問題について、エージェントループでツールを使いながら多段階のコーディングタスクに取り組みます。LiveBench Agentic 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)

  • DeepSeek V4.1 FlashがLiveBench Agentic Codingの最高スコア77.3%を記録しています(LiveBench、2026年6月25日)。
  • LiveBench Agentic Codingの2位はClaude Opus 5.5で、71.7%です(LiveBench、2026年6月25日)。
  • LiveBench Agentic Coding:LiveBench 1.0のエージェント型コーディングカテゴリ。最終リリース(2026年6月25日)の値で固定。LiveBench 2.0では廃止されました(LiveBench)。
  • BenchLeaderでは68のモデル構成にLiveBench Agentic Codingの公表結果があります(BenchLeader、2026年11月16日)。
  • LiveBench Agentic 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 1.0のエージェント型コーディングカテゴリ。最終リリース(2026年6月25日)の値で固定。LiveBench 2.0では廃止されました。

公開元
LiveBench
カテゴリ
エージェント・ツール
Indexでの重み
参考のみ
モデル
68
データ基準日
2026年11月16日

LiveBench (livebench.ai), White et al. 2024.

どんなテストか

LiveBenchのエージェント型コーディングカテゴリで、モデルが新たに作成された問題について、エージェントループでツールを使いながら多段階のコーディングタスクに取り組みます。

採点方法

完了したタスクの割合で、LiveBench 1.0の最終リリース(2026年6月25日)の結果です。LiveBench 2.0ではこのカテゴリが廃止されたため、これらのスコアはもう更新されません。

注意点

他のカテゴリより新しく規模も小さく、LiveBench独自のハーネスに依存しています。

68件中68件
#
1DeepSeek V4.1 Flashmax77.3%58.52026-06-25
2Claude Opus 5.5max71.7%68.42026-06-25
3Claude Fable 5.1max66.1%66.72026-06-25
4Claude Opus 5.5xhigh65.3%65.42026-06-25
5Claude Opus 5max65.2%65.02026-06-25
6Deepseek v4 Flash Vision65.1%–2026-06-25
7Qwen3.8 Maxmax64.7%58.72026-06-25
8Muse Spark 1.3xhigh64.1%58.12026-06-25
9Muse Wondermax62.7%60.82026-06-25
10Claude Fable 5max62.2%65.12026-06-25
11Kimi K362.2%60.72026-06-25
12Qwen3.8-Flash-Next61.6%53.92026-06-25
13Qwen3.8 27B61.4%55.12026-06-25
14Smaug Flash61.1%–2026-06-25
15GLM 5.360.9%–2026-06-25
16Smaug Mini60.8%–2026-06-25
17Claude Sonnet 5xhigh59.4%55.42026-06-25
18Muse Spark 1.1xhigh58.5%59.52026-06-25
19Gemini 3.7 Flashhigh58.3%62.12026-06-25
20Muse Spark 1.2xhigh57.6%61.52026-06-25
21GPT-6 Astramax57.3%67.32026-06-25
22Claude Haiku 5.5max57.2%55.32026-06-25
23Mistral Large 4high57.2%48.32026-06-25
24Grok 4.657.0%–2026-06-25
25GPT-6.1 Solxhigh56.8%63.62026-06-25
26GLM 5.3 Flash56.8%57.82026-06-25
27Grok 4.556.5%59.32026-06-25
28Claude Sonnet 5.5max56.3%64.22026-06-25
29GPT-5.6 Solmax56.2%65.32026-06-25
30GPT-5.6 Terramax55.0%59.52026-06-25
31DeepSeek V4 Pro55.0%53.02026-06-25
32GPT-6.1 Solmax54.5%66.62026-06-25
33Gemini 3.8 Flashhigh54.2%59.42026-06-25
34GPT-5.5xhigh54.0%64.12026-06-25
35Grok 4.7xhigh54.0%57.42026-06-25
36GPT-5.4xhigh53.8%63.12026-06-25
37GPT-6 Solmax52.9%62.62026-06-25
38Ox Alphamax52.6%–2026-06-25
39GLM 5.251.8%51.92026-06-25
40Claude Haiku 5.5xhigh51.4%56.72026-06-25
41GPT-6 Lunamax51.2%55.12026-06-25
42Claude Opus 4.7xhigh50.7%57.02026-06-25
43Claude Opus 4.8max50.5%61.12026-06-25
44GPT-5.2high50.3%55.82026-06-25
45GPT-5.2-Codex49.4%57.62026-06-25
46Inklingxhigh49.4%50.02026-06-25
47Gemini 3.5 Flashhigh49.0%62.52026-06-25
48Claude Opus 4.6high49.0%62.52026-06-25
49GPT-5.6 Lunamax48.4%56.22026-06-25
50Kimi K2.6thinking46.9%59.32026-06-25
51GPT-5.4 Nanoxhigh46.8%53.92026-06-25
52DeepSeek V4 Flash46.8%53.82026-06-25
53Grok Build 0.145.8%–2026-06-25
54Kimi K2.7 Code45.7%53.92026-06-25
55Gemini 3.5 Flash Litehigh45.3%47.82026-06-25
56Gemini 3.1 Prohigh44.1%60.42026-06-25
57Qwen3.7max43.6%60.02026-06-25
58Gemini 3.6 Flashhigh43.4%61.02026-06-25
59Claude Sonnet 4.6medium42.6%–2026-06-25
60GPT-5.4 Minixhigh41.7%55.12026-06-25

エージェント・ツール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 Agentic 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/livebench_agentic_coding

LiveBench Agentic Coding:よくある質問

LiveBench Agentic Codingは何を測るベンチマークですか?
LiveBenchのエージェント型コーディングカテゴリで、モデルが新たに作成された問題について、エージェントループでツールを使いながら多段階のコーディングタスクに取り組みます。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 Agentic Codingの最高スコアは?
2026年11月16日時点で、LiveBench Agentic Codingの最高スコアは77.3%で、DeepSeek V4.1 Flashが記録しています(結果の日付は2026年6月25日)。次点はClaude Opus 5.5の71.7%です。スコアはLiveBenchの公表値で、毎日読み直しています。
LiveBench Agentic CodingでトップのAIモデルは?
2026年11月16日時点で、LiveBench Agentic Codingの首位はDeepSeek V4.1 Flashで、スコアは77.3%です(結果の日付は2026年6月25日)。続いてClaude Opus 5.5(71.7%)です。
LiveBench Agentic Codingの結果があるモデルはいくつですか?
BenchLeaderでは68のモデル構成にLiveBench Agentic Codingの結果があり、すべてLiveBenchから取得しています。
LiveBench Agentic 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 Agentic 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 Agentic CodingはBenchLeader Indexに含まれますか?
いいえ。LiveBench Agentic 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。