LMArena Agentのリーダーボード
2026年11月16日時点で、LMArena Agentの最高スコアは30.4で、Claude Fable 5.2(Anthropic)が記録しています。次点はClaude Opus 5.5の19.5です。公表された結果があるのは58のモデル構成です(Arena (LMArena)、結果の日付は2026年11月11日)。Agentアリーナは、モデルがツールを使って多段階のタスクに取り組む実際のエージェントセッションを記録し、実行した本人に結果を評価してもらいます。LMArena AgentはBenchLeader Indexのエージェント・ツールスコアに反映されます。
要点(2026年11月16日時点)
- Claude Fable 5.2がArena Agentの最高スコア30.4を記録しています(Arena (LMArena)、2026年11月11日)。
- Arena Agentの2位はClaude Opus 5.5で、19.5です(Arena (LMArena)、2026年11月11日)。
- Arena Agent:実際のエージェントセッションを利用者自身が評価した、タスクの成果スコア(0〜100)(Arena (LMArena))。
- BenchLeaderでは58のモデル構成にArena Agentの公表結果があります(BenchLeader、2026年11月16日)。
- Arena AgentはBenchLeader Indexのエージェント・ツールカテゴリに反映されます(BenchLeaderの評価方法)。
実際のエージェントセッションを利用者自身が評価した、タスクの成果スコア(0〜100)。
- カテゴリ
- エージェント・ツール
- Indexでの重み
- 0.5
- モデル
- 58
- データ基準日
- 2026年11月16日
CC BY 4.0 — lmarena-ai/leaderboard-dataset on Hugging Face.
どんなテストか
Agentアリーナは、モデルがツールを使って多段階のタスクに取り組む実際のエージェントセッションを記録し、実行した本人に結果を評価してもらいます。
採点方法
完了したセッションに対するユーザーの評価に基づく、0〜100のタスク成果スコアで、Eloレーティングではありません。
注意点
新しく、サンプルもまだ少ない評価です。セッションの長さや難易度はまちまちで、ユーザーがタスクの出題者と評価者を兼ねています。
- 1Claude Fable 5.2 (max)30.4
- 2Claude Opus 5.5 (max)19.5
- 3Gemini 4 Carbon (high)17
- 4Claude Sonnet 5.5 (max)16
- 5Claude Fable 5.1 (max)14.8
- 6GPT-6 Astra (max)14.5
- 7GPT-6.1 Sol (max)12.5
- 8GPT-6.1 Terra (max)12
- 9Gemini 4 Argon (high)10.7
- 10Muse Wonder Full (max)9
- 11Claude Fable 5 (high)7.3
- 12Claude Opus 5 (max)7.2
- 13GPT-6 Sol (max)6.9
- 14Hy45.3
- 15Kimi K3.1 Pro (max)4.9
58件中58件
| # | ||||||
|---|---|---|---|---|---|---|
| 1 | NEW | 30.4 | 72.7 | $7.43 | 107k | 2026-11-11 |
| 2 | 19.5 | 68.4 | $5.47 | 107k | 2026-11-11 | |
| 3 | 17 | 68.9 | $1.46 | 48k | 2026-11-11 | |
| 4 | 16 | 64.2 | $3.35 | 144k | 2026-11-11 | |
| 5 | 14.8 | 66.7 | $7.62 | 56k | 2026-11-11 | |
| 6 | 14.5 | 67.3 | $6.10 | 39k | 2026-11-11 | |
| 7 | 12.5 | 66.6 | $1.06 | 36k | 2026-11-11 | |
| 8 | 12 | 64.1 | $0.890 | 45k | 2026-11-11 | |
| 9 | 10.7 | 65.3 | $0.733 | 25k | 2026-11-11 | |
| 10 | 9 | 61.7 | – | 33k | 2026-11-11 | |
| 11 | 7.3 | 63.9 | $3.34 | 22k | 2026-11-11 | |
| 12 | 7.2 | 65.0 | $4.34 | 58k | 2026-11-11 | |
| 13 | 6.9 | 62.6 | $1.67 | 38k | 2026-11-11 | |
| 14 | 5.3 | 56.7 | $0.606 | 62k | 2026-11-11 | |
| 15 | 4.9 | 59.9 | $1.23 | 35k | 2026-11-11 | |
| 16 | 4.6 | 63.9 | $1.61 | 22k | 2026-11-11 | |
| 17 | 2.6 | 57.4 | $2.79 | 72k | 2026-11-11 | |
| 18 | 2.5 | 57.9 | $0.264 | 50k | 2026-11-11 | |
| 19 | 2.4 | 57.5 | $0.163 | 48k | 2026-11-11 | |
| 20 | 2.3 | 59.4 | $0.656 | 52k | 2026-11-11 | |
| 21 | 2.2 | 60.6 | $0.457 | 26k | 2026-11-11 | |
| 22 | 2 | 59.0 | $0.954 | 23k | 2026-11-11 | |
| 23 | 2 | 57.7 | $0.144 | 87k | 2026-11-11 | |
| 24 | 1.8 | 60.8 | $1.18 | 22k | 2026-11-11 | |
| 25 | NEW | 1.7 | 52.1 | $0.021 | 11k | 2026-11-11 |
| 26 | 1.6 | 55.1 | $0.084 | 41k | 2026-11-11 | |
| 27 | 1 | 58.8 | $1.04 | 67k | 2026-11-11 | |
| 28 | 0.6 | 60.2 | $0.809 | 24k | 2026-11-11 | |
| 29 | 0.5 | 55.3 | $0.077 | 24k | 2026-11-11 | |
| 30 | 0.2 | 58.9 | $0.860 | 55k | 2026-11-11 | |
| 31 | 0.1 | 58.7 | $1.23 | 50k | 2026-11-11 | |
| 32 | 0 | 54.8 | $0.074 | 44k | 2026-11-11 | |
| 33 | -0.2 | 56.1 | $1.36 | 35k | 2026-11-11 | |
| 34 | -1.8 | 60.1 | $0.644 | 18k | 2026-11-11 | |
| 35 | -2.1 | 49.6 | $0.026 | 10k | 2026-11-11 | |
| 36 | -2.2 | 62.1 | $0.472 | 45k | 2026-11-11 | |
| 37 | -2.7 | 54.3 | $0.248 | 75k | 2026-11-11 | |
| 38 | -2.9 | 57.8 | $0.157 | 48k | 2026-11-11 | |
| 39 | -3.7 | 56.0 | $0.613 | 43k | 2026-11-11 | |
| 40 | -4.5 | 59.9 | $0.546 | 12k | 2026-11-11 | |
| 41 | -4.6 | 53.9 | $0.223 | 61k | 2026-11-11 | |
| 42 | -4.8 | 55.1 | $0.347 | 52k | 2026-11-11 | |
| 43 | -5.4 | 52.9 | $0.320 | 26k | 2026-11-11 | |
| 44 | -5.9 | 54.2 | – | 11k | 2026-11-11 | |
| 45 | -6 | 45.8 | $0.010 | 4k | 2026-11-11 | |
| 46 | -7.2 | 60.0 | $0.360 | 16k | 2026-11-11 | |
| 47 | -7.6 | 55.7 | $0.082 | 32k | 2026-11-11 | |
| 48 | -8 | 62.2 | – | – | 2026-11-11 | |
| 49 | -8 | 57.6 | $0.159 | 17k | 2026-11-11 | |
| 50 | -8.2 | 61.5 | $0.398 | 24k | 2026-11-11 | |
| 51 | -10.5 | 56.1 | $0.353 | 27k | 2026-11-11 | |
| 52 | Spark X2.6 | -10.7 | – | $0.092 | 37k | 2026-11-11 |
| 53 | -13.7 | 46.6 | $0.402 | 16k | 2026-11-11 | |
| 54 | -15.6 | 42.1 | $0.122 | 7k | 2026-11-11 | |
| 55 | -16 | 50.4 | – | 15k | 2026-11-11 | |
| 56 | -17.3 | 50.4 | $0.324 | 14k | 2026-11-11 | |
| 57 | -18.1 | 52.0 | $0.177 | 21k | 2026-11-11 | |
| 58 | -22.6 | 48.9 | $0.041 | 12k | 2026-11-11 |
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
Arena Agentでの注目のモデル比較
引用表記:BenchLeader「Arena Agent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/lmarena_agent
Arena Agent:よくある質問
- Arena Agentは何を測るベンチマークですか?
- Agentアリーナは、モデルがツールを使って多段階のタスクに取り組む実際のエージェントセッションを記録し、実行した本人に結果を評価してもらいます。スコアはスコアで示され、高いほど良い結果です。
- Arena Agentの最高スコアは?
- 2026年11月16日時点で、Arena Agentの最高スコアは30.4で、Claude Fable 5.2が記録しています(結果の日付は2026年11月11日)。次点はClaude Opus 5.5の19.5です。スコアはArena (LMArena)の公表値で、毎日読み直しています。
- Arena AgentでトップのAIモデルは?
- 2026年11月16日時点で、Arena Agentの首位はClaude Fable 5.2で、スコアは30.4です(結果の日付は2026年11月11日)。続いてClaude Opus 5.5(19.5)です。
- Arena Agentの結果があるモデルはいくつですか?
- BenchLeaderでは58のモデル構成にArena Agentの結果があり、すべてArena (LMArena)から取得しています。
- Arena Agent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?
- Arena AgentはArena (LMArena)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。
- Arena AgentはBenchLeader Indexに含まれますか?
- はい。Arena AgentはBenchLeader Indexのエージェント・ツールカテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。