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
1Gemini 4 Carbon (medium)Google71.865.8$4.00
2Gemini 4 Argon (medium)Google70.961.6$4.00
3Claude Opus 5.5 (max)Anthropic70.268.4$8.00
4GPT-5.4 ProOpenAI69.863.1$67.50
5GPT-6 Astra (high)OpenAI68.966.3$20.00
6Claude Fable 5 (high)Anthropic68.063.9$20.00
7GPT-6.1 Sol (xhigh)OpenAI67.663.6$4.00
8Claude Fable 5.1 (max)Anthropic67.566.7$20.00
9Gemini 3.8 Flash (high)Google67.559.4$1.50
10GPT-5 ProOpenAI67.459.6$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2962026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1602026年11月9日
VISTA視覚と言語の理解。Scale AI。Gemini 2.5 Pro 54.6%現役572026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942026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912026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442026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392026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372026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342026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342026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302026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302025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292026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282026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252026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232026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212026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212026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212026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202026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152026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32024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422025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232024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92024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82025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52025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。

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