LiveBench Long Agenticのリーダーボード
2026年11月16日時点で、LiveBench Long Agenticの最高スコアは82.9%で、Claude Fable 5.2(Anthropic)が記録しています。次点はGPT-6 Astraの75.6%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の長期エージェントスイートで、序盤の判断が後のターン、月、テストケースまで通用し続けなければならない多段階の作業です。LiveBench Long Agentic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)
- Claude Fable 5.2がLiveBench Long Agenticの最高スコア82.9%を記録しています(LiveBench、2026年11月6日)。
- LiveBench Long Agenticの2位はGPT-6 Astraで、75.6%です(LiveBench、2026年11月6日)。
- LiveBench Long Agentic:LiveBench 2.0の長期エージェントスイート(LiveBench)。
- BenchLeaderでは34のモデル構成にLiveBench Long Agenticの公表結果があります(BenchLeader、2026年11月16日)。
- LiveBench Long Agentic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の長期エージェントスイート。
- 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の長期エージェントスイートで、序盤の判断が後のターン、月、テストケースまで通用し続けなければならない多段階の作業です。
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
長期にわたりハーネスにも左右されるタスクです。0点は、部分的に取り組んだ結果ではなく、実行自体が失敗したことを意味する場合があります。
- 1Claude Fable 5.2 (xhigh)82.9%
- 2GPT-6 Astra (max)75.6%
- 3Claude Fable 5.1 (max)74.2%
- 4Claude Opus 5.5 (max)72.8%
- 5Gemini 4 Carbon (high)72.7%
- 6GPT-6.1 Sol (max)65.6%
- 7Claude Sonnet 5.5 (max)63.4%
- 8Gemini 4 Hydrogen (xhigh)61.8%
- 9Gemini 4 Argon (high)58.5%
- 10GPT-6.1 Terra (max)56.2%
- 11Muse Spark 1.3 (max)47.9%
- 12Claude Haiku 5.5 (max)47.9%
- 13Muse Wonder (max)46.2%
- 14Grok 4.7 (xhigh)45.3%
- 15DeepSeek V4.1 Flash 1017 (max)38.8%
34件中34件
| # | |||||||
|---|---|---|---|---|---|---|---|
| 1 | NEW | 82.9% | 69.7 | $2896.70 | $160.93 | 1.4M | 2026-11-06 |
| 2 | 75.6% | 67.3 | $911.16 | $50.62 | 236k | 2026-11-06 | |
| 3 | 74.2% | 66.7 | $1445.29 | $80.29 | 349k | 2026-11-06 | |
| 4 | 72.8% | 68.4 | $1510.52 | $83.92 | 1.1M | 2026-11-06 | |
| 5 | 72.7% | 68.9 | $162.99 | $9.05 | 310k | 2026-11-06 | |
| 6 | 65.6% | 66.6 | $115.59 | $6.42 | 215k | 2026-11-06 | |
| 7 | 63.4% | 64.2 | $1257.99 | $69.89 | 2.7M | 2026-11-06 | |
| 8 | NEW | 61.8% | 61.8 | $128.74 | $7.15 | 307k | 2026-11-06 |
| 9 | 58.5% | 65.3 | $159.75 | $8.88 | 279k | 2026-11-06 | |
| 10 | 56.2% | 64.1 | $110.63 | $6.15 | 276k | 2026-11-06 | |
| 11 | 47.9% | 60.6 | $202.69 | $11.26 | 266k | 2026-11-06 | |
| 12 | 47.9% | 55.3 | $292.47 | $16.25 | 3.2M | 2026-11-06 | |
| 13 | 46.2% | 60.8 | $295.86 | $16.44 | 182k | 2026-11-06 | |
| 14 | 45.3% | 57.4 | $615.73 | $34.21 | 260k | 2026-11-06 | |
| 15 | 38.8% | 57.7 | $25.52 | $1.42 | 416k | 2026-11-06 | |
| 16 | 38.7% | 59.9 | $109.69 | $6.09 | 121k | 2026-11-06 | |
| 17 | 36.4% | – | $15.96 | $0.887 | 324k | 2026-11-06 | |
| 18 | 36.0% | 60.2 | $318.18 | $17.68 | 230k | 2026-11-06 | |
| 19 | 26.6% | 58.7 | $298.62 | $16.59 | 402k | 2026-11-06 | |
| 20 | 25.9% | 59.5 | $220.73 | $12.26 | 164k | 2026-11-06 | |
| 21 | 25.7% | – | $23.38 | $1.30 | 407k | 2026-11-06 | |
| 22 | 24.7% | 55.1 | $12.00 | $0.667 | 254k | 2026-11-06 | |
| 23 | 24.7% | 48.3 | $69.48 | $3.86 | 208k | 2026-11-06 | |
| 24 | 20.7% | 52.4 | $26.84 | $1.49 | 237k | 2026-11-06 | |
| 25 | 19.4% | – | $162.98 | $9.05 | 434k | 2026-11-06 | |
| 26 | 18.7% | 56.1 | $262.32 | $14.57 | 133k | 2026-11-06 | |
| 27 | 16.5% | 59.4 | $102.75 | $5.71 | 234k | 2026-11-06 | |
| 28 | 15.9% | – | $139.86 | $7.77 | 335k | 2026-11-06 | |
| 29 | 12.1% | – | $98.95 | $5.50 | 132k | 2026-11-06 | |
| 30 | 12.0% | – | $29.77 | $1.65 | 184k | 2026-11-06 | |
| 31 | 11.3% | – | $20.71 | $1.15 | 217k | 2026-11-06 | |
| 32 | 11.0% | – | $16.99 | $0.944 | 194k | 2026-11-06 | |
| 33 | 9.8% | – | $195.53 | $10.86 | 156k | 2026-11-06 | |
| 34 | 8.5% | – | $17.43 | $0.969 | 48k | 2026-11-06 |
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
関連するベンチマーク
LiveBench Long Agenticでの注目のモデル比較
引用表記:BenchLeader「LiveBench Long Agentic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_long_agentic
LiveBench Long Agentic:よくある質問
- LiveBench Long Agenticは何を測るベンチマークですか?
- LiveBenchの長期エージェントスイートで、序盤の判断が後のターン、月、テストケースまで通用し続けなければならない多段階の作業です。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 Long Agenticの最高スコアは?
- 2026年11月16日時点で、LiveBench Long Agenticの最高スコアは82.9%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75.6%です。スコアはLiveBenchの公表値で、毎日読み直しています。
- LiveBench Long AgenticでトップのAIモデルは?
- 2026年11月16日時点で、LiveBench Long Agenticの首位はClaude Fable 5.2で、スコアは82.9%です(結果の日付は2026年11月6日)。続いてGPT-6 Astra(75.6%)です。
- LiveBench Long Agentic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 Long Agenticの結果があり、すべてLiveBenchから取得しています。
- LiveBench Long Agentic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 Long Agentic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 Long AgenticはBenchLeader Indexに含まれますか?
- いいえ。LiveBench Long Agentic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。