BenchLeader

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)。

公開元
Arena (LMArena)
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。

58件中58件
#
1NEWClaude Fable 5.2max30.472.7$7.43107k2026-11-11
2Claude Opus 5.5max19.568.4$5.47107k2026-11-11
3Gemini 4 Carbonhigh1768.9$1.4648k2026-11-11
4Claude Sonnet 5.5max1664.2$3.35144k2026-11-11
5Claude Fable 5.1max14.866.7$7.6256k2026-11-11
6GPT-6 Astramax14.567.3$6.1039k2026-11-11
7GPT-6.1 Solmax12.566.6$1.0636k2026-11-11
8GPT-6.1 Terramax1264.1$0.89045k2026-11-11
9Gemini 4 Argonhigh10.765.3$0.73325k2026-11-11
10Muse Wonder Fullmax961.7–33k2026-11-11
11Claude Fable 5high7.363.9$3.3422k2026-11-11
12Claude Opus 5max7.265.0$4.3458k2026-11-11
13GPT-6 Solmax6.962.6$1.6738k2026-11-11
14Hy45.356.7$0.60662k2026-11-11
15Kimi K3.1 Promax4.959.9$1.2335k2026-11-11
16GPT-5.6 Solxhigh4.663.9$1.6122k2026-11-11
17Grok 4.7xhigh2.657.4$2.7972k2026-11-11
18Inkling 2 Small2.557.9$0.26450k2026-11-11
19MiMo-V2.6-Pro2.457.5$0.16348k2026-11-11
20Gemini 3.8 Flashhigh2.359.4$0.65652k2026-11-11
21Muse Spark 1.3max2.260.6$0.45726k2026-11-11
22Claude Sonnet 5high259.0$0.95423k2026-11-11
23DeepSeek V4.1 Flash 1017max257.7$0.14487k2026-11-11
24Muse Wondermax1.860.8$1.1822k2026-11-11
25NEWMuse Embermax1.752.1$0.02111k2026-11-11
26GPT-6 Lunamax1.655.1$0.08441k2026-11-11
27GLM 5.3max158.8$1.0467k2026-11-11
28Kimi K3max0.660.2$0.80924k2026-11-11
29Claude Haiku 5.5high0.555.3$0.07724k2026-11-11
30GLM 5.2max0.258.9$0.86055k2026-11-11
31Qwen3.8 Maxmax0.158.7$1.2350k2026-11-11
32MiMo-V2.6-Flash054.8$0.07444k2026-11-11
33Grok 4.6xhigh-0.256.1$1.3635k2026-11-11
34GPT-5.6 Terraxhigh-1.860.1$0.64418k2026-11-11
35GPT-6 Lunamedium-2.149.6$0.02610k2026-11-11
36Gemini 3.7 Flashhigh-2.262.1$0.47245k2026-11-11
37MiniMax M3.1 Flash-2.754.3$0.24875k2026-11-11
38GLM 5.3 Flash-2.957.8$0.15748k2026-11-11
39Step 5 Preview-3.756.0$0.61343k2026-11-11
40Gemini 3.1 Pro-4.559.9$0.54612k2026-11-11
41Qwen3.8-Flash-Next-4.653.9$0.22361k2026-11-11
42Qwen3.8 27B-4.855.1$0.34752k2026-11-11
43Mistral Large 4-5.452.9$0.32026k2026-11-11
44Beam 1.0 501B A23B-5.954.2–11k2026-11-11
45GPT-6 Lunalow-645.8$0.0104k2026-11-11
46Qwen3.7max-7.260.0$0.36016k2026-11-11
47Hy3-7.655.7$0.08232k2026-11-11
48Muse Spark 1.1-862.2––2026-11-11
49Qwen3.7 Plus-857.6$0.15917k2026-11-11
50Muse Spark 1.2xhigh-8.261.5$0.39824k2026-11-11
51MiniMax M3-10.556.1$0.35327k2026-11-11
52Spark X2.6-10.7–$0.09237k2026-11-11
53Mistral Medium 3.5-13.746.6$0.40216k2026-11-11
54Nemotron 3 Ultra-15.642.1$0.1227k2026-11-11
55Nemotron 3.5 Super VL 120B A12B-1650.4–15k2026-11-11
56Inkling-17.350.4$0.32414k2026-11-11
57Inkling Small-18.152.0$0.17721k2026-11-11
58Solar Pro 4-22.648.9$0.04112k2026-11-11

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

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。