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。
- 1DeepSeek V4.1 Flash (max)77.3%
- 2Claude Opus 5.5 (max)71.7%
- 3Claude Fable 5.1 (max)66.1%
- 4Claude Opus 5.5 (xhigh)65.3%
- 5Claude Opus 5 (max)65.2%
- 6Deepseek v4 Flash Vision65.1%
- 7Qwen3.8 Max (max)64.7%
- 8Muse Spark 1.3 (xhigh)64.1%
- 9Muse Wonder (max)62.7%
- 10Claude Fable 5 (max)62.2%
- 11Kimi K362.2%
- 12Qwen3.8-Flash-Next61.6%
- 13Qwen3.8 27B61.4%
- 14Smaug Flash61.1%
- 15GLM 5.360.9%
| # | ||||
|---|---|---|---|---|
| 1 | 77.3% | 58.5 | 2026-06-25 | |
| 2 | 71.7% | 68.4 | 2026-06-25 | |
| 3 | 66.1% | 66.7 | 2026-06-25 | |
| 4 | 65.3% | 65.4 | 2026-06-25 | |
| 5 | 65.2% | 65.0 | 2026-06-25 | |
| 6 | 65.1% | – | 2026-06-25 | |
| 7 | 64.7% | 58.7 | 2026-06-25 | |
| 8 | 64.1% | 58.1 | 2026-06-25 | |
| 9 | 62.7% | 60.8 | 2026-06-25 | |
| 10 | 62.2% | 65.1 | 2026-06-25 | |
| 11 | 62.2% | 60.7 | 2026-06-25 | |
| 12 | 61.6% | 53.9 | 2026-06-25 | |
| 13 | 61.4% | 55.1 | 2026-06-25 | |
| 14 | 61.1% | – | 2026-06-25 | |
| 15 | 60.9% | – | 2026-06-25 | |
| 16 | 60.8% | – | 2026-06-25 | |
| 17 | 59.4% | 55.4 | 2026-06-25 | |
| 18 | 58.5% | 59.5 | 2026-06-25 | |
| 19 | 58.3% | 62.1 | 2026-06-25 | |
| 20 | 57.6% | 61.5 | 2026-06-25 | |
| 21 | 57.3% | 67.3 | 2026-06-25 | |
| 22 | 57.2% | 55.3 | 2026-06-25 | |
| 23 | 57.2% | 48.3 | 2026-06-25 | |
| 24 | 57.0% | – | 2026-06-25 | |
| 25 | 56.8% | 63.6 | 2026-06-25 | |
| 26 | 56.8% | 57.8 | 2026-06-25 | |
| 27 | 56.5% | 59.3 | 2026-06-25 | |
| 28 | 56.3% | 64.2 | 2026-06-25 | |
| 29 | 56.2% | 65.3 | 2026-06-25 | |
| 30 | 55.0% | 59.5 | 2026-06-25 | |
| 31 | 55.0% | 53.0 | 2026-06-25 | |
| 32 | 54.5% | 66.6 | 2026-06-25 | |
| 33 | 54.2% | 59.4 | 2026-06-25 | |
| 34 | 54.0% | 64.1 | 2026-06-25 | |
| 35 | 54.0% | 57.4 | 2026-06-25 | |
| 36 | 53.8% | 63.1 | 2026-06-25 | |
| 37 | 52.9% | 62.6 | 2026-06-25 | |
| 38 | 52.6% | – | 2026-06-25 | |
| 39 | 51.8% | 51.9 | 2026-06-25 | |
| 40 | 51.4% | 56.7 | 2026-06-25 | |
| 41 | 51.2% | 55.1 | 2026-06-25 | |
| 42 | 50.7% | 57.0 | 2026-06-25 | |
| 43 | 50.5% | 61.1 | 2026-06-25 | |
| 44 | 50.3% | 55.8 | 2026-06-25 | |
| 45 | 49.4% | 57.6 | 2026-06-25 | |
| 46 | 49.4% | 50.0 | 2026-06-25 | |
| 47 | 49.0% | 62.5 | 2026-06-25 | |
| 48 | 49.0% | 62.5 | 2026-06-25 | |
| 49 | 48.4% | 56.2 | 2026-06-25 | |
| 50 | 46.9% | 59.3 | 2026-06-25 | |
| 51 | 46.8% | 53.9 | 2026-06-25 | |
| 52 | 46.8% | 53.8 | 2026-06-25 | |
| 53 | 45.8% | – | 2026-06-25 | |
| 54 | 45.7% | 53.9 | 2026-06-25 | |
| 55 | 45.3% | 47.8 | 2026-06-25 | |
| 56 | 44.1% | 60.4 | 2026-06-25 | |
| 57 | 43.6% | 60.0 | 2026-06-25 | |
| 58 | 43.4% | 61.0 | 2026-06-25 | |
| 59 | 42.6% | – | 2026-06-25 | |
| 60 | 41.7% | 55.1 | 2026-06-25 |
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
関連するベンチマーク
LiveBench Agentic Codingでの注目のモデル比較
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。