LiveBench 1.0 Reasoningのリーダーボード
2026年11月16日時点で、LiveBench 1.0 Reasoningの最高スコアは92.7%で、GPT-6 Astra(OpenAI)が記録しています。次点はGPT-6.1 Solの92.6%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 1.0の推論問題で、論理パズル、空間の問題、有名ななぞなぞの変形などを、答えを暗記されないよう新たに作成したものです。LiveBench 1.0 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)
- GPT-6 AstraがLiveBench 1.0 Reasoningの最高スコア92.7%を記録しています(LiveBench、2026年6月25日)。
- LiveBench 1.0 Reasoningの2位はGPT-6.1 Solで、92.6%です(LiveBench、2026年6月25日)。
- LiveBench 1.0 Reasoning:LiveBench 1.0の推論カテゴリ。最終リリース(2026年6月25日)の値で固定。LiveBench 2.0の推論スイートは別のテストです(LiveBench)。
- BenchLeaderでは68のモデル構成にLiveBench 1.0 Reasoningの公表結果があります(BenchLeader、2026年11月16日)。
- LiveBench 1.0 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 1.0の推論カテゴリ。最終リリース(2026年6月25日)の値で固定。LiveBench 2.0の推論スイートは別のテストです。
- 公開元
- LiveBench
- カテゴリ
- 推論
- 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.
このボードは更新を終えています。同じ名前は現在、別の新しいテストに使われており、そのスコアはLiveBench 2.0 Reasoningにあります。
どんなテストか
LiveBench 1.0の推論問題で、論理パズル、空間の問題、有名ななぞなぞの変形などを、答えを暗記されないよう新たに作成したものです。
採点方法
自動採点による正答率で、LiveBench 1.0の最終リリース(2026年6月25日)の結果です。LiveBench 2.0のReasoningスイートは別のテストなので、これらのスコアはもう更新されません。
注意点
小さなカテゴリなので数問でスコアが動き、パズルの形式も特徴的なため、モデルがそれに合わせて調整されることもありえます。
- 1GPT-6 Astra (max)92.7%
- 2GPT-6.1 Sol (max)92.6%
- 3Claude Opus 5.5 (max)92.2%
- 4Claude Fable 5.1 (max)91.7%
- 5GPT-5.6 Sol (max)91.7%
- 6Claude Sonnet 5.5 (max)91.6%
- 7GPT-6.1 Sol (xhigh)91.6%
- 8Claude Opus 5 (max)91.2%
- 9Kimi K390.7%
- 10Claude Opus 5.5 (xhigh)90.7%
- 11Muse Wonder (max)90.6%
- 12GPT-5.6 Terra (max)90.6%
- 13Grok 4.690.5%
- 14Muse Spark 1.2 (xhigh)90.0%
- 15Claude Fable 5 (max)89.7%
| # | ||||
|---|---|---|---|---|
| 1 | 92.7% | 67.3 | 2026-06-25 | |
| 2 | 92.6% | 66.6 | 2026-06-25 | |
| 3 | 92.2% | 68.4 | 2026-06-25 | |
| 4 | 91.7% | 66.7 | 2026-06-25 | |
| 5 | 91.7% | 65.3 | 2026-06-25 | |
| 6 | 91.6% | 64.2 | 2026-06-25 | |
| 7 | 91.6% | 63.6 | 2026-06-25 | |
| 8 | 91.2% | 65.0 | 2026-06-25 | |
| 9 | 90.7% | 60.7 | 2026-06-25 | |
| 10 | 90.7% | 65.4 | 2026-06-25 | |
| 11 | 90.6% | 60.8 | 2026-06-25 | |
| 12 | 90.6% | 59.5 | 2026-06-25 | |
| 13 | 90.5% | – | 2026-06-25 | |
| 14 | 90.0% | 61.5 | 2026-06-25 | |
| 15 | 89.7% | 65.1 | 2026-06-25 | |
| 16 | 89.7% | 64.1 | 2026-06-25 | |
| 17 | 89.7% | 58.1 | 2026-06-25 | |
| 18 | 89.3% | 59.4 | 2026-06-25 | |
| 19 | 89.2% | 61.1 | 2026-06-25 | |
| 20 | 88.7% | 55.4 | 2026-06-25 | |
| 21 | 88.7% | 62.5 | 2026-06-25 | |
| 22 | 88.7% | 62.6 | 2026-06-25 | |
| 23 | 88.2% | 58.7 | 2026-06-25 | |
| 24 | 88.1% | 63.1 | 2026-06-25 | |
| 25 | 87.8% | 62.1 | 2026-06-25 | |
| 26 | 87.7% | 59.5 | 2026-06-25 | |
| 27 | 87.4% | 53.9 | 2026-06-25 | |
| 28 | 87.2% | 57.0 | 2026-06-25 | |
| 29 | 87.2% | 59.3 | 2026-06-25 | |
| 30 | 86.8% | 62.5 | 2026-06-25 | |
| 31 | 86.7% | 58.5 | 2026-06-25 | |
| 32 | 86.6% | 53.8 | 2026-06-25 | |
| 33 | 86.2% | – | 2026-06-25 | |
| 34 | 85.8% | 53.0 | 2026-06-25 | |
| 35 | 85.8% | – | 2026-06-25 | |
| 36 | 85.6% | 56.2 | 2026-06-25 | |
| 37 | 85.4% | – | 2026-06-25 | |
| 38 | 85.2% | 61.0 | 2026-06-25 | |
| 39 | 84.8% | – | 2026-06-25 | |
| 40 | 84.6% | 55.3 | 2026-06-25 | |
| 41 | 84.0% | 60.4 | 2026-06-25 | |
| 42 | 83.9% | 48.3 | 2026-06-25 | |
| 43 | 83.3% | 60.0 | 2026-06-25 | |
| 44 | 83.2% | 55.8 | 2026-06-25 | |
| 45 | 82.8% | 53.9 | 2026-06-25 | |
| 46 | 82.8% | – | 2026-06-25 | |
| 47 | 82.7% | 57.4 | 2026-06-25 | |
| 48 | 82.0% | 62.5 | 2026-06-25 | |
| 49 | 81.8% | 55.1 | 2026-06-25 | |
| 50 | 81.2% | 56.7 | 2026-06-25 | |
| 51 | 81.1% | 53.9 | 2026-06-25 | |
| 52 | 80.1% | 59.7 | 2026-06-25 | |
| 53 | 80.0% | 55.1 | 2026-06-25 | |
| 54 | 79.4% | 59.3 | 2026-06-25 | |
| 55 | 78.6% | 51.9 | 2026-06-25 | |
| 56 | 78.3% | 50.0 | 2026-06-25 | |
| 57 | 77.7% | 57.6 | 2026-06-25 | |
| 58 | 77.6% | 57.8 | 2026-06-25 | |
| 59 | 76.6% | – | 2026-06-25 | |
| 60 | 76.4% | – | 2026-06-25 |
関連するベンチマーク
LiveBench 1.0 Reasoningでの注目のモデル比較
引用表記:BenchLeader「LiveBench 1.0 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/livebench_reasoning
LiveBench 1.0 Reasoning:よくある質問
- LiveBench 1.0 Reasoningは何を測るベンチマークですか?
- LiveBench 1.0の推論問題で、論理パズル、空間の問題、有名ななぞなぞの変形などを、答えを暗記されないよう新たに作成したものです。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 1.0 Reasoningの最高スコアは?
- 2026年11月16日時点で、LiveBench 1.0 Reasoningの最高スコアは92.7%で、GPT-6 Astraが記録しています(結果の日付は2026年6月25日)。次点はGPT-6.1 Solの92.6%です。スコアはLiveBenchの公表値で、毎日読み直しています。
- LiveBench 1.0 ReasoningでトップのAIモデルは?
- 2026年11月16日時点で、LiveBench 1.0 Reasoningの首位はGPT-6 Astraで、スコアは92.7%です(結果の日付は2026年6月25日)。続いてGPT-6.1 Sol(92.6%)です。
- LiveBench 1.0 Reasoning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 1.0 Reasoningの結果があり、すべてLiveBenchから取得しています。
- LiveBench 1.0 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 1.0 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 1.0 ReasoningはBenchLeader Indexに含まれますか?
- いいえ。LiveBench 1.0 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。