マルチモーダルAIベンチマークのリーダーボード(2026年11月)
2026年11月16日時点で、BenchLeaderは11の公開元による27件のマルチモーダルAIのベンチマークを追跡しており、そのうち4件がBenchLeader Indexに使われています。マルチモーダルのベンチマーク全体では、Gemini 4 Carbon(Google)がマルチモーダルスコア71.8で首位、続いてGemini 4 Argon(70.9)、Claude Opus 5.5(70.2)です。最も重みの大きい現役のベンチマークでは、MMMU-ProのトップがGemini 4 Carbon (medium)(89.3%)です。27件のうち、現役が14件、飽和に近いものが7件、更新停止が6件です(更新停止:1年間新しい結果がないもの)。
最終更新 · 6時間ごとに更新 · 第三者の公開元のみ、発表記事の数値は不使用
- ベンチマーク
- 27
- 現役
- 14
- 飽和・飽和に近い
- 7
- 公開元
- 11
ほかのカテゴリ:AIエージェントのベンチマーク · AIコーディングのベンチマーク · 推論・数学のベンチマーク · すべてのLLMベンチマーク
マルチモーダルのベンチマークで首位のモデル
BenchLeader Indexのマルチモーダルカテゴリで順位付けしています。以下のうちIndexに使われている各ベンチマークを標準化(50が平均的なモデル)して平均したものです。各モデル1行で、最も成績の良い推論エフォートの結果を示します。ランク入りには、これらのベンチマークのうち少なくとも1件の結果が必要です。
| # | モデル | プロバイダー | マルチモーダルスコア | Index | ブレンド $/M |
|---|---|---|---|---|---|
| 1 | Gemini 4 Carbon (medium) | 71.8 | 65.8 | $4.00 | |
| 2 | Gemini 4 Argon (medium) | 70.9 | 61.6 | $4.00 | |
| 3 | Claude Opus 5.5 (max) | Anthropic | 70.2 | 68.4 | $8.00 |
| 4 | GPT-5.4 Pro | OpenAI | 69.8 | 63.1 | $67.50 |
| 5 | GPT-6 Astra (high) | OpenAI | 68.9 | 66.3 | $20.00 |
| 6 | Claude Fable 5 (high) | Anthropic | 68.0 | 63.9 | $20.00 |
| 7 | GPT-6.1 Sol (xhigh) | OpenAI | 67.6 | 63.6 | $4.00 |
| 8 | Claude Fable 5.1 (max) | Anthropic | 67.5 | 66.7 | $20.00 |
| 9 | Gemini 3.8 Flash (high) | 67.5 | 59.4 | $1.50 | |
| 10 | GPT-5 Pro | OpenAI | 67.4 | 59.6 | $41.25 |
マルチモーダルの全ベンチマーク:測定内容と現在のトップ(27件)
マルチモーダルベンチマークは、画像、グラフ、文書、動画、音声と質問を組み合わせます。大学レベルの視覚的推論(MMMU-Pro)、空間・視覚パズル、動画理解(Video-MME)、画像を使ったプロンプトでのアリーナ投票などです。
用途:文書やグラフの読み取り、スクリーンショット、画像認識機能、音声。
注意点: 元のMMMUはテキストだけで答えられる問題が多く含まれます。MMMU-Proはそうした問題を除き、選択肢を10個に増やしているので、こちらを優先してください。
| ベンチマーク | 測定内容 | 現在のトップ | 状態 | モデル | 最新の結果 |
|---|---|---|---|---|---|
| MMMU-Pro | 大学レベルのマルチモーダル理解。Artificial Analysisが実施。 | Gemini 4 Carbon (medium) 89.3% | 飽和に近い | 296 | 2026年11月7日 |
| Arena Vision | 画像理解のプロンプトへの一対一の投票。 | Claude Fable 5 (high) 1326 | 現役評価モデルが採点 | 160 | 2026年11月9日 |
| VISTA | 視覚と言語の理解。Scale AI。 | Gemini 2.5 Pro 54.6% | 現役 | 57 | 2026年3月23日 |
| MortgageTaxIndex対象外 | 税証明書の画像を読み取り、数値を抜き出すタスク。Vals AIが実施。 | Claude Opus 5 72.1% | 現役 | 94 | 2026年9月1日 |
| MMMU-Pro (Vals)Index対象外 | Vals AIが独自に実行したMMMU-Pro。Vals AIが実施。 | Claude Fable 5.1 (max) 90.6% | 飽和に近い | 91 | 2026年9月1日 |
| GeoBenchIndex対象外 | 写真の撮影場所を当てるタスク。 | Claude Fable 5 (high) 89.0% | 飽和に近い | 44 | 2026年9月21日 |
| Furniture AssemblyIndex対象外 | IKEA家具の組み立て写真を見て、正しく組めているか、間違っていればどの手順かを答える空間推論のタスク。ランダムに答えると約30%。Epoch AIが実施。 | Claude Fable 5.2 (max) 90.0% | 飽和に近い | 39 | 2026年11月10日 |
| Blueprint-Bench 2Index対象外 | 部屋の写真から間取り図を作るタスク。 | Gemini 4 Carbon 58.6% | 現役 | 37 | 2026年11月10日 |
| Humanity's Sixth SenseIndex対象外 | 画像と動画522問で、人が一目で読み取る時間・空間・社会的な手がかり・隠れたパターンを問う直感的な視覚推論。Scale AIとElorianが作成。 | Gemini 4 Carbon (high) 71.1% | 現役 | 34 | 2026年11月12日 |
| LiveBench DesignIndex対象外 | LiveBench 2.0のデザインスイート。 | Claude Fable 5.2 (xhigh) 85.1% | 飽和に近い | 34 | 2026年11月6日 |
| AudioMCIndex対象外 | 音声で出題し音声で答える多肢選択問題。Scale AI。 | Gemini 3.8 Flash (high) 60.4% | 現役 | 30 | 2026年10月16日 |
| VPCTIndex対象外 | 視覚的な物理の理解。場面の次に何が起きるかを予測します。 | Gemini 3 Pro 91.0% | 飽和に近い | 30 | 2025年12月17日 |
| SAGEIndex対象外 | 手書きの数学の答案を画像から採点するタスク。Vals AIが実施。 | Claude Opus 5.5 (max) 91.3% | 飽和に近い | 29 | 2026年11月5日 |
| Code2Video-AAIndex対象外 | HeyGenのCode2Video BenchをArtificial Analysisが実行したもの。114件のデザイン指示から、HTMLで短い製品・ブランド動画を作り、一対一で比較採点するため、スコアはEloです。 | Claude Opus 5.5 (max) 1536 | 現役 | 28 | 2026年11月5日 |
| AA-3DIndex対象外 | プロンプトからインタラクティブな3D体験を作り、一対一で比較採点するため、スコアは割合ではなくEloです。 | Claude Fable 5.2 (max) 1271 | 現役 | 25 | 2026年11月9日 |
| FACTS MultimodalIndex対象外 | 画像に写っている内容と一般的な知識を組み合わせて答える質問。期待される事実を網羅しているか、それが正しいかで採点。Googleが公開。 | Gemini 4 Carbon 60.2% | 現役 | 23 | 2026年11月12日 |
| AudioMC (text output)Index対象外 | AudioMCにテキストで回答。Scale AI。 | Gemini 3.8 Flash (high) 60.4% | 現役 | 21 | 2026年10月16日 |
| VIALS-AAIndex対象外 | Handshake AIのVIALS。ゲルブロット、顕微鏡画像、プラスミドマップなど生命科学の画像に関する161問に、サンドボックス内のコードと画像ツールを使って答えます。Artificial Analysisが実施。 | Claude Fable 5.2 (max) 67.1% | 現役 | 21 | 2026年11月9日 |
| VTBIndex対象外 | 実用的な画像タスクにわたる、Scaleの視覚タスクベンチマーク。Scale AI。 | Muse Spark 1.1 44.8% | 現役 | 21 | 2026年7月9日 |
| VoiceCodeBenchIndex対象外 | 8つの業務分野にわたる、音声からの固有表現の認識。Vals AIが実施。 | GPT Live Transcribe 67.7% | 現役 | 20 | 2026年9月24日 |
| AudioMC (audio output)Index対象外 | AudioMCに音声で回答。Scale AI。 | GPT Realtime 2 (xhigh) 48.5% | 現役 | 15 | 2026年5月11日 |
| MMMU (validation) | MMMUの検証セットの公式リーダーボード。 | Claude 3.5 Sonnet 68.3% | 更新停止データ汚染のおそれ | 3 | 2024年8月29日 |
| Video-MMEIndex対象外 | 字幕なしで、さまざまな長さの動画を理解するタスク。 | video-SALMONN 2+ 79.7% | 更新停止 | 42 | 2025年6月18日 |
| ScienceQAIndex対象外 | 図を含む理科の問題。2022年のベンチマークで、現在のモデルでは飽和しており、記録として残しています。 | Phi 3.5 Vision 91.3% | 更新停止データ汚染のおそれ | 23 | 2024年8月16日 |
| MMMU-Pro (official)Index対象外 | MMMU-Pro公式リーダーボード。参考として掲載。 | GPT-4o 51.9% | 更新停止 | 9 | 2024年8月29日 |
| SpatialViz-BenchIndex対象外 | 空間の視覚化:回転、折りたたみ、アニメーション。 | Gemini 2.5 Pro 44.7% | 更新停止 | 8 | 2025年6月17日 |
| MindCubeIndex対象外 | 複数の視点からの空間推論。 | Gemma 3 12B 46.7% | 更新停止 | 5 | 2025年5月22日 |
マルチモーダルAIのベンチマーク:よくある質問
- 最も参考になるマルチモーダルAIのベンチマークはどれですか?
- 現在最も参考になるマルチモーダルAIのベンチマークはMMMU-Pro(トップ:Gemini 4 Carbon (medium)、89.3%)、Arena Vision(トップ:Claude Fable 5 (high)、1326)、VISTA(トップ:Gemini 2.5 Pro、54.6%)です。いずれもBenchLeader Indexに使われ、多くのモデルを対象とし、まだ飽和していません。用途:文書やグラフの読み取り、スクリーンショット、画像認識機能、音声。
- マルチモーダルAIのベンチマークで最も成績の良いAIモデルはどれですか?
- 2026年11月16日時点:マルチモーダルのベンチマーク全体では、Gemini 4 Carbon(Google)がマルチモーダルスコア71.8で首位、続いてGemini 4 Argon(70.9)、Claude Opus 5.5(70.2)です。カテゴリスコアは各ベンチマークを標準化し(50が平均的なモデル、15ポイントが1標準偏差)、それらを平均したものなので、1つのベンチマークだけで順位が決まることはありません。
- マルチモーダルAIのベンチマークのスコアは、ベンチマークをまたいで比較できますか?
- 同じベンチマークの中なら比較できます。ベンチマークをまたぐと難しくなります。画像、グラフ、文書、動画のテストは入力も採点方法も異なり、古いセット(初代のMMMU)の一部はテキストだけで答えられてしまいます。MMMU-Proはそうした問題を除いているので、2つのベンチマークの結果が食い違うときはMMMU-Proを優先してください。
- 飽和しているマルチモーダルAIのベンチマークはどれですか?
- 2026年11月16日時点では、MMMU-Pro(飽和に近い)、MMMU-Pro(飽和に近い)、GeoBench(飽和に近い)、Furniture Assembly(飽和に近い)、LiveBench Design(飽和に近い)、VPCT(飽和に近い)、SAGE(飽和に近い)です。5位のモデルのスコアが90%以上になると「飽和」、トップが90%か5位が80%に達すると「飽和に近い」と判定します。どちらもデータから判定しており、スコアが変われば変わります。
- このリーダーボードはどのくらいの頻度で更新されますか?
- BenchLeaderは6時間ごと(UTC 04:03、10:03、16:03、22:03に開始)すべての公開元の結果を読み直し、そのたびにこのページを作り直しています。各ベンチマークの最新の結果の日付は表に載っています。公開元はそれぞれのスケジュールで結果を更新します。
関連ページ
引用表記:BenchLeader「マルチモーダルAIベンチマークのリーダーボード(2026年11月)」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/multimodal