BenchLeader

METR Time Horizonsのリーダーボード

2026年11月16日時点で、METR Time Horizonsの最高スコアは85.2%で、Claude Mythos Preview(Anthropic)が記録しています。次点はClaude Opus 4.6の78.9%です。公表された結果があるのは41のモデル構成です(METR、結果の日付は2026年4月7日)。長さが段階的に増していくソフトウェアやリサーチのタスクで、METRは、モデルが半分の確率で成功するタスクの所要時間を当てはめて求めます。METR Time Horizons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 Mythos PreviewがMETR Time Horizonsの最高スコア85.2%を記録しています(METR、2026年4月7日)。
  • METR Time Horizonsの2位はClaude Opus 4.6で、78.9%です(METR、2026年2月5日)。
  • METR Time Horizons:50%タイムホライズンの算出に使われる、METRのタスク群(METR)。
  • BenchLeaderでは41のモデル構成にMETR Time Horizonsの公表結果があります(BenchLeader、2026年11月16日)。
  • METR Time Horizons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)。

50%タイムホライズンの算出に使われる、METRのタスク群。

公開元
METRデータ取得元:Epoch AI Benchmarking Hub
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
41
データ基準日
2026年11月16日

CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.

どんなテストか

長さが段階的に増していくソフトウェアやリサーチのタスクで、METRは、モデルが半分の確率で成功するタスクの所要時間を当てはめて求めます。

採点方法

タスクスイート全体での平均成功率で、METRが公表しています。

注意点

METRの代表的な数値は当てはめによるタイムホライズンですが、ここで示しているのはその元になる成功率です。

41件中41件
#
1Claude Mythos Preview85.2%–2026-04-07
2Claude Opus 4.678.9%62.12026-02-05
3Gemini 3.1 Pro77.0%59.92026-02-19
4GPT-5.2high75.3%55.82025-12-11
5Claude Opus 4.575.0%57.12025-11-24
6GPT-5.3-Codex74.5%–2026-02-05
7GPT-5.4xhigh74.3%63.12026-03-05
8Gemini 3 Pro71.0%60.02025-11-18
9GPT-5.1-Codex-Maxmax70.8%–2025-11-19
10GPT-5medium69.6%59.02025-08-07
11GPT-5high69.4%58.22025-08-07
12Claude Sonnet 4.567.4%53.82025-09-29
13Claude Opus 4.166.8%51.12025-08-05
14Grok 466.6%58.12025-07-09
15o3medium65.4%53.32025-04-16
16Claude Opus 463.9%51.92025-05-22
17o4-minimedium63.9%51.72025-04-16
18o363.6%60.42025-04-16
19Claude Sonnet 462.0%50.02025-05-22
20Claude 3.7 Sonnet60.0%49.22025-02-24
21Kimi K2 Thinkingthinking59.2%52.32025-11-06
22gpt-oss-120b56.6%46.12025-08-05
23Gemini 2.5 Pro55.4%55.22025-06-05
24DeepSeek R1 052853.8%49.12025-05-28
25DeepSeek R151.9%47.22025-01-20
26o1medium51.0%47.92024-12-17
27DeepSeek V3 032449.6%46.92025-03-24
28DeepSeek V347.4%44.32024-12-26
29Claude 3.5 Sonnet45.2%46.82024-10-22
30o145.1%52.52024-09-12
31GPT-4o40.8%42.82024-05-13
32GPT-4 Turbo36.7%41.12024-04-09
33GPT-436.1%42.32023-03-14
34Qwen2.5 72B35.8%43.12024-09-19
35GPT 4 012535.2%–2024-01-25
36Qwen2-72B29.9%41.22024-06-07
37Claude 3 Opus29.5%38.82024-02-29
38GPT-4 110628.9%–2023-11-06
39GPT-3.5-turbo21.5%–2023-09-18
40Davinci 00216.2%––
41Gpt2 Xl10.1%–2019-11-05

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「METR Time Horizons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/metr_time_horizons

METR Time Horizons:よくある質問

METR Time Horizonsは何を測るベンチマークですか?
長さが段階的に増していくソフトウェアやリサーチのタスクで、METRは、モデルが半分の確率で成功するタスクの所要時間を当てはめて求めます。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。
METR Time Horizonsの最高スコアは?
2026年11月16日時点で、METR Time Horizonsの最高スコアは85.2%で、Claude Mythos Previewが記録しています(結果の日付は2026年4月7日)。次点はClaude Opus 4.6の78.9%です。スコアはMETRの公表値で、毎日読み直しています。
METR Time HorizonsでトップのAIモデルは?
2026年11月16日時点で、METR Time Horizonsの首位はClaude Mythos Previewで、スコアは85.2%です(結果の日付は2026年4月7日)。続いてClaude Opus 4.6(78.9%)です。
METR Time Horizonsの結果があるモデルはいくつですか?
BenchLeaderでは41のモデル構成にMETR Time Horizonsの結果があり、すべてMETR(Epoch AI Benchmarking Hub経由)から取得しています。
METR Time Horizons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?
METR Time HorizonsはMETR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。
METR Time HorizonsはBenchLeader Indexに含まれますか?
いいえ。METR Time Horizons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。