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)。
- 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.
- 1Claude Fable 5.2 (max)22
- 2Claude Opus 5.5 (max)20.7
- 3Claude Sonnet 5.5 (max)19.5
- 4Gemini 4 Carbon (high)18.4
- 5Claude Fable 5.1 (max)14.4
- 6GPT-6 Astra (max)14
- 7Gemini 4 Argon (high)13.2
- 8GPT-6.1 Sol (max)11.7
- 9Muse Wonder Full (max)11.1
- 10Claude Opus 5 (max)10.2
- 11GPT-6.1 Terra (max)9.7
- 12Hy46.7
- 13Muse Wonder (max)5.4
- 14Claude Fable 5 (high)5.1
- 15Grok 4.7 (xhigh)5.1
58件中58件
| # | ||||
|---|---|---|---|---|
| 1 | NEW | 22 | 72.7 | 2026-11-11 |
| 2 | 20.7 | 68.4 | 2026-11-11 | |
| 3 | 19.5 | 64.2 | 2026-11-11 | |
| 4 | 18.4 | 68.9 | 2026-11-11 | |
| 5 | 14.4 | 66.7 | 2026-11-11 | |
| 6 | 14 | 67.3 | 2026-11-11 | |
| 7 | 13.2 | 65.3 | 2026-11-11 | |
| 8 | 11.7 | 66.6 | 2026-11-11 | |
| 9 | 11.1 | 61.7 | 2026-11-11 | |
| 10 | 10.2 | 65.0 | 2026-11-11 | |
| 11 | 9.7 | 64.1 | 2026-11-11 | |
| 12 | 6.7 | 56.7 | 2026-11-11 | |
| 13 | 5.4 | 60.8 | 2026-11-11 | |
| 14 | 5.1 | 63.9 | 2026-11-11 | |
| 15 | 5.1 | 57.4 | 2026-11-11 | |
| 16 | 5 | 57.5 | 2026-11-11 | |
| 17 | 4.5 | 62.6 | 2026-11-11 | |
| 18 | 4.5 | 58.7 | 2026-11-11 | |
| 19 | 4.2 | 54.8 | 2026-11-11 | |
| 20 | 3.7 | 60.6 | 2026-11-11 | |
| 21 | 3.4 | 60.2 | 2026-11-11 | |
| 22 | 3.3 | 57.9 | 2026-11-11 | |
| 23 | 3.1 | 58.8 | 2026-11-11 | |
| 24 | 2.7 | 59.9 | 2026-11-11 | |
| 25 | 2.3 | 63.9 | 2026-11-11 | |
| 26 | 2.3 | 57.7 | 2026-11-11 | |
| 27 | 1.7 | 58.9 | 2026-11-11 | |
| 28 | 1.6 | 55.3 | 2026-11-11 | |
| 29 | 1.3 | 59.4 | 2026-11-11 | |
| 30 | 1.3 | 57.8 | 2026-11-11 | |
| 31 | 0.3 | 53.9 | 2026-11-11 | |
| 32 | -0.4 | 55.1 | 2026-11-11 | |
| 33 | -0.6 | 59.0 | 2026-11-11 | |
| 34 | -0.7 | 54.3 | 2026-11-11 | |
| 35 | -1.5 | 56.0 | 2026-11-11 | |
| 36 | -2.6 | 56.1 | 2026-11-11 | |
| 37 | -2.7 | 55.1 | 2026-11-11 | |
| 38 | -3.5 | 62.1 | 2026-11-11 | |
| 39 | -4.7 | 52.9 | 2026-11-11 | |
| 40 | -6.3 | 49.6 | 2026-11-11 | |
| 41 | -6.5 | 62.2 | 2026-11-11 | |
| 42 | -7.2 | 60.1 | 2026-11-11 | |
| 43 | NEW | -7.6 | 52.1 | 2026-11-11 |
| 44 | -9.2 | 54.2 | 2026-11-11 | |
| 45 | -9.8 | 61.5 | 2026-11-11 | |
| 46 | Spark X2.6 | -10.2 | – | 2026-11-11 |
| 47 | -10.5 | 60.0 | 2026-11-11 | |
| 48 | -10.8 | 57.6 | 2026-11-11 | |
| 49 | -11.3 | 59.9 | 2026-11-11 | |
| 50 | -11.8 | 55.7 | 2026-11-11 | |
| 51 | -15.1 | 45.8 | 2026-11-11 | |
| 52 | -16.8 | 46.6 | 2026-11-11 | |
| 53 | -18 | 56.1 | 2026-11-11 | |
| 54 | -18.9 | 50.4 | 2026-11-11 | |
| 55 | -22.8 | 42.1 | 2026-11-11 | |
| 56 | -26.8 | 50.4 | 2026-11-11 | |
| 57 | -27.6 | 52.0 | 2026-11-11 | |
| 58 | -29.9 | 48.9 | 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 Task Completionでの注目のモデル比較
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。