BenchLeader

LMArena Agent Task Completionのリーダーボード

2026年11月16日時点で、LMArena Agent Task Completionの最高スコアは22で、Claude Fable 5.2(Anthropic)が記録しています。次点はClaude Opus 5.5の20.7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)。実際のエージェントセッションのうち、利用者がタスクを完了したと答えた割合(0〜100)。LMArena Agent Task Completion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Arena Agent Task Completionの最高スコア22を記録しています(Arena (LMArena)、2026年11月11日)。
  • Arena Agent Task Completionの2位はClaude Opus 5.5で、20.7です(Arena (LMArena)、2026年11月11日)。
  • Arena Agent Task Completion:実際のエージェントセッションのうち、利用者がタスクを完了したと答えた割合(0〜100)(Arena (LMArena))。
  • BenchLeaderでは58のモデル構成にArena Agent Task Completionの公表結果があります(BenchLeader、2026年11月16日)。
  • Arena Agent Task Completion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)。

実際のエージェントセッションのうち、利用者がタスクを完了したと答えた割合(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
参考のみ
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.

58件中58件
#
1NEWClaude Fable 5.2max2272.72026-11-11
2Claude Opus 5.5max20.768.42026-11-11
3Claude Sonnet 5.5max19.564.22026-11-11
4Gemini 4 Carbonhigh18.468.92026-11-11
5Claude Fable 5.1max14.466.72026-11-11
6GPT-6 Astramax1467.32026-11-11
7Gemini 4 Argonhigh13.265.32026-11-11
8GPT-6.1 Solmax11.766.62026-11-11
9Muse Wonder Fullmax11.161.72026-11-11
10Claude Opus 5max10.265.02026-11-11
11GPT-6.1 Terramax9.764.12026-11-11
12Hy46.756.72026-11-11
13Muse Wondermax5.460.82026-11-11
14Claude Fable 5high5.163.92026-11-11
15Grok 4.7xhigh5.157.42026-11-11
16MiMo-V2.6-Pro557.52026-11-11
17GPT-6 Solmax4.562.62026-11-11
18Qwen3.8 Maxmax4.558.72026-11-11
19MiMo-V2.6-Flash4.254.82026-11-11
20Muse Spark 1.3max3.760.62026-11-11
21Kimi K3max3.460.22026-11-11
22Inkling 2 Small3.357.92026-11-11
23GLM 5.3max3.158.82026-11-11
24Kimi K3.1 Promax2.759.92026-11-11
25GPT-5.6 Solxhigh2.363.92026-11-11
26DeepSeek V4.1 Flash 1017max2.357.72026-11-11
27GLM 5.2max1.758.92026-11-11
28Claude Haiku 5.5high1.655.32026-11-11
29Gemini 3.8 Flashhigh1.359.42026-11-11
30GLM 5.3 Flash1.357.82026-11-11
31Qwen3.8-Flash-Next0.353.92026-11-11
32GPT-6 Lunamax-0.455.12026-11-11
33Claude Sonnet 5high-0.659.02026-11-11
34MiniMax M3.1 Flash-0.754.32026-11-11
35Step 5 Preview-1.556.02026-11-11
36Grok 4.6xhigh-2.656.12026-11-11
37Qwen3.8 27B-2.755.12026-11-11
38Gemini 3.7 Flashhigh-3.562.12026-11-11
39Mistral Large 4-4.752.92026-11-11
40GPT-6 Lunamedium-6.349.62026-11-11
41Muse Spark 1.1-6.562.22026-11-11
42GPT-5.6 Terraxhigh-7.260.12026-11-11
43NEWMuse Embermax-7.652.12026-11-11
44Beam 1.0 501B A23B-9.254.22026-11-11
45Muse Spark 1.2xhigh-9.861.52026-11-11
46Spark X2.6-10.2–2026-11-11
47Qwen3.7max-10.560.02026-11-11
48Qwen3.7 Plus-10.857.62026-11-11
49Gemini 3.1 Pro-11.359.92026-11-11
50Hy3-11.855.72026-11-11
51GPT-6 Lunalow-15.145.82026-11-11
52Mistral Medium 3.5-16.846.62026-11-11
53MiniMax M3-1856.12026-11-11
54Nemotron 3.5 Super VL 120B A12B-18.950.42026-11-11
55Nemotron 3 Ultra-22.842.12026-11-11
56Inkling-26.850.42026-11-11
57Inkling Small-27.652.02026-11-11
58Solar Pro 4-29.948.92026-11-11

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 Task Completion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_task

Arena Agent Task Completion:よくある質問

Arena Agent Task Completionは何を測るベンチマークですか?
実際のエージェントセッションのうち、利用者がタスクを完了したと答えた割合(0〜100)。スコアはスコアで示され、高いほど良い結果です。
Arena Agent Task Completionの最高スコアは?
2026年11月16日時点で、Arena Agent Task Completionの最高スコアは22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20.7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 Task CompletionでトップのAIモデルは?
2026年11月16日時点で、Arena Agent Task Completionの首位はClaude Fable 5.2で、スコアは22です(結果の日付は2026年11月11日)。続いてClaude Opus 5.5(20.7)です。
Arena Agent Task Completion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 Task Completionの結果があり、すべてArena (LMArena)から取得しています。
Arena Agent Task Completion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 Task Completion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 Task CompletionはBenchLeader Indexに含まれますか?
いいえ。Arena Agent Task Completion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。