BenchLeader

LiveBench Researchのリーダーボード

2026年11月16日時点で、LiveBench Researchの最高スコアは94.5%で、Claude Fable 5.2(Anthropic)が記録しています。次点はMuse Wonderの93.0%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のリサーチスイートで、複数の情報源から得た知見をまとめて検証し、採点対象のレポートに仕上げます。LiveBench Research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 Researchの最高スコア94.5%を記録しています(LiveBench、2026年11月6日)。
  • LiveBench Researchの2位はMuse Wonderで、93.0%です(LiveBench、2026年11月6日)。
  • LiveBench Research:LiveBench 2.0のリサーチスイート(LiveBench)。
  • BenchLeaderでは34のモデル構成にLiveBench Researchの公表結果があります(BenchLeader、2026年11月16日)。
  • LiveBench Research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のリサーチスイート。

公開元
LiveBench
カテゴリ
知識
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のリサーチスイートで、複数の情報源から得た知見をまとめて検証し、採点対象のレポートに仕上げます。

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

網羅性と正確さの両方が評価され、引用の形式や書式で減点されることもあります。

34件中34件
#
1NEWClaude Fable 5.2xhigh94.5%69.7$291.89$13.27113k2026-11-06
2Muse Wondermax93.0%60.8$92.20$4.1931k2026-11-06
3Gemini 4 Carbonhigh92.5%68.9$110.07$5.00117k2026-11-06
4GPT-6 Astramax90.6%67.3$442.79$20.1335k2026-11-06
5GPT-6.1 Solmax90.0%66.6$59.70$2.7147k2026-11-06
6Grok 4.7xhigh89.5%57.4$139.92$6.3686k2026-11-06
7Claude Opus 5.5max88.9%68.4$200.46$9.11137k2026-11-06
8Grok 4.6xhigh88.8%56.1$57.82$2.6335k2026-11-06
9Claude Fable 5.1max88.5%66.7$454.59$20.6677k2026-11-06
10Claude Sonnet 5.5max88.0%64.2$198.88$9.04264k2026-11-06
11Gemini 4 Argonhigh86.8%65.3$131.02$5.96144k2026-11-06
12NEWGemini 4 Hydrogenxhigh86.8%61.8$109.76$4.99121k2026-11-06
13MiMo-V2.6-Prohigh84.8%–$3.82$0.17472k2026-11-06
14Claude Haiku 5.5max84.3%55.3$44.63$2.03250k2026-11-06
15Muse Spark Openmax82.7%–$19.00$0.86429k2026-11-06
16Muse Spark 1.3max82.5%60.6$68.72$3.1248k2026-11-06
17Kimi K3.1 Promax82.1%59.9$74.80$3.4055k2026-11-06
18Mistral Large 4high80.3%48.3$19.33$0.87994k2026-11-06
19Kimi K3max79.8%60.2$60.14$2.7340k2026-11-06
20GPT-5.6 Terramax79.7%59.5$202.79$9.2280k2026-11-06
21Gemini 3.8 Flashhigh79.4%59.4$57.90$2.63144k2026-11-06
22GPT-6.1 Terramax79.1%64.1$32.16$1.4639k2026-11-06
23DeepSeek V4.1 Flash 1017max78.6%57.7$8.87$0.403135k2026-11-06
24MiniMax M3.1 Flashmax76.7%–$6.38$0.290120k2026-11-06
25Step 5 Previewmax75.5%–$29.46$1.3477k2026-11-06
26GLM 5.3 Flashmax73.9%52.4$5.07$0.23070k2026-11-06
27Qwen3.8 Maxmax72.8%58.7$57.03$2.59121k2026-11-06
28Nemotron Super VL 3.5 NVFP4max67.4%–$2.96$0.13559k2026-11-06
29Nemotron Super VL 3.5max67.1%–$8.69$0.39562k2026-11-06
30Smaug Nemotron 3.5 NVFP4max66.8%–$3.15$0.14360k2026-11-06
31Qwen3.8 27Bmax61.3%–$26.57$1.2195k2026-11-06
32Inklingmax60.3%–$41.62$1.8943k2026-11-06
33GPT-6 Lunamax48.5%55.1$9.37$0.426242k2026-11-06
34Gemma 4 31Bmax38.1%–$1.53$0.07012k2026-11-06

知識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 Research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_research

LiveBench Research:よくある質問

LiveBench Researchは何を測るベンチマークですか?
LiveBenchのリサーチスイートで、複数の情報源から得た知見をまとめて検証し、採点対象のレポートに仕上げます。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 Researchの最高スコアは?
2026年11月16日時点で、LiveBench Researchの最高スコアは94.5%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Muse Wonderの93.0%です。スコアはLiveBenchの公表値で、毎日読み直しています。
LiveBench ResearchでトップのAIモデルは?
2026年11月16日時点で、LiveBench Researchの首位はClaude Fable 5.2で、スコアは94.5%です(結果の日付は2026年11月6日)。続いてMuse Wonder(93.0%)です。
LiveBench Research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 Researchの結果があり、すべてLiveBenchから取得しています。
LiveBench Research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 Research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 ResearchはBenchLeader Indexに含まれますか?
いいえ。LiveBench Research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。