BenchLeader

LiveBench Browserのリーダーボード

2026年11月16日時点で、LiveBench Browserの最高スコアは93.3%で、GPT-6.1 Sol(OpenAI)が記録しています。次点はGPT-6.1 Terraの93.1%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のブラウザ操作スイートで、モデルがブラウザを操作してオープンなWeb上でタスクを完了させます。LiveBench Browser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)

  • GPT-6.1 SolがLiveBench Browserの最高スコア93.3%を記録しています(LiveBench、2026年11月6日)。
  • LiveBench Browserの2位はGPT-6.1 Terraで、93.1%です(LiveBench、2026年11月6日)。
  • LiveBench Browser:LiveBench 2.0のブラウザ操作スイート(LiveBench)。
  • BenchLeaderでは34のモデル構成にLiveBench Browserの公表結果があります(BenchLeader、2026年11月16日)。
  • LiveBench Browser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のブラウザ操作スイート。

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
34
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のブラウザ操作スイートで、モデルがブラウザを操作してオープンなWeb上でタスクを完了させます。

採点方法

スイートの0〜100のタスクスコアの平均で、1回の実行の結果です。

注意点

サイトの変更やツールの接続方法に影響されやすく、同じモデルでもリリースごとにスコアが大きく変わることがあります。

34件中34件
#
1GPT-6.1 Solmax93.3%66.6$70.09$2.805k2026-11-06
2GPT-6.1 Terramax93.1%64.1$48.74$1.957k2026-11-06
3GPT-6 Astramax91.3%67.3$403.68$16.154k2026-11-06
4Claude Fable 5.1max89.8%66.7$768.35$30.7322k2026-11-06
5Claude Sonnet 5.5max89.3%64.2$227.58$9.1043k2026-11-06
6Claude Opus 5.5max88.4%68.4$379.72$15.1929k2026-11-06
7NEWClaude Fable 5.2xhigh86.9%69.7$86.08$3.4416k2026-11-06
8Gemini 4 Argonhigh82.8%65.3$159.41$6.3847k2026-11-06
9MiniMax M3.1 Flashmax80.6%–$7.77$0.31139k2026-11-06
10Gemini 4 Carbonhigh80.0%68.9$175.92$7.0431k2026-11-06
11MiMo-V2.6-Prohigh77.3%–$14.64$0.58640k2026-11-06
12NEWGemini 4 Hydrogenxhigh77.1%61.8$151.16$6.0536k2026-11-06
13Kimi K3.1 Promax75.9%59.9$46.03$1.8415k2026-11-06
14Kimi K3max75.2%60.2$111.92$4.4821k2026-11-06
15GPT-5.6 Terramax70.3%59.5$78.08$3.129k2026-11-06
16GPT-6 Lunamax70.3%55.1$4.83$0.19314k2026-11-06
17Claude Haiku 5.5max69.5%55.3$15.51$0.62054k2026-11-06
18DeepSeek V4.1 Flash 1017max67.2%57.7$7.99$0.32032k2026-11-06
19Muse Wondermax60.0%60.8$155.26$6.2118k2026-11-06
20GLM 5.3 Flashmax59.8%52.4$5.38$0.21518k2026-11-06
21Qwen3.8 Maxmax49.4%58.7$94.42$3.78129k2026-11-06
22Grok 4.6xhigh49.4%56.1$96.63$3.8720k2026-11-06
23Grok 4.7xhigh49.3%57.4$147.02$5.8844k2026-11-06
24Gemini 3.8 Flashhigh45.1%59.4$121.37$4.8639k2026-11-06
25Muse Spark 1.3max30.9%60.6$74.63$2.9927k2026-11-06
26Muse Spark Openmax26.2%–$73.75$2.9524k2026-11-06
27Smaug Nemotron 3.5 NVFP4max25.6%–$5.95$0.23858k2026-11-06
28Step 5 Previewmax24.8%–$83.85$3.35155k2026-11-06
29Qwen3.8 27Bmax24.2%–$35.85$1.4355k2026-11-06
30Nemotron Super VL 3.5max21.6%–$10.39$0.41645k2026-11-06
31Nemotron Super VL 3.5 NVFP4max18.0%–$5.10$0.20428k2026-11-06
32Mistral Large 4high17.4%48.3$41.31$1.6539k2026-11-06
33Inklingmax12.0%–$62.69$2.5127k2026-11-06
34Gemma 4 31Bmax0.0%–$6.06$0.24284k2026-11-06

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 Browser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_browser

LiveBench Browser:よくある質問

LiveBench Browserは何を測るベンチマークですか?
LiveBenchのブラウザ操作スイートで、モデルがブラウザを操作してオープンなWeb上でタスクを完了させます。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 Browserの最高スコアは?
2026年11月16日時点で、LiveBench Browserの最高スコアは93.3%で、GPT-6.1 Solが記録しています(結果の日付は2026年11月6日)。次点はGPT-6.1 Terraの93.1%です。スコアはLiveBenchの公表値で、毎日読み直しています。
LiveBench BrowserでトップのAIモデルは?
2026年11月16日時点で、LiveBench Browserの首位はGPT-6.1 Solで、スコアは93.3%です(結果の日付は2026年11月6日)。続いてGPT-6.1 Terra(93.1%)です。
LiveBench Browser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 Browserの結果があり、すべてLiveBenchから取得しています。
LiveBench Browser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 Browser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 BrowserはBenchLeader Indexに含まれますか?
いいえ。LiveBench Browser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。