BenchLeader

Remote Labor Indexのリーダーボード

2026年11月16日時点で、Remote Labor Indexの最高スコアは41.3%で、Claude Fable 5.2(Anthropic)が記録しています。次点はClaude Opus 5.5の21.3%です。公表された結果があるのは18のモデル構成です(Scale AI / CAIS、結果の日付は2026年11月9日)。Remote Labor Indexは、Webサイトの構築、動画の編集、データセットの作成といった実際のフリーランス案件を集め、完成した成果物の納品をエージェントに求めます。プロのレビュアーが元の成果物と比べて判定します。Remote Labor IndexはBenchLeader Indexのエージェント・ツールスコアに反映されます。

要点(2026年11月16日時点)

  • Claude Fable 5.2がRemote Labor Indexの最高スコア41.3%を記録しています(Scale AI / CAIS、2026年11月9日)。
  • Remote Labor Indexの2位はClaude Opus 5.5で、21.3%です(Scale AI / CAIS、2026年9月22日)。
  • Remote Labor Index:実際のフリーランス案件をはじめから終わりまで仕上げるタスク(Scale AI / CAIS)(Scale AI / CAIS)。
  • BenchLeaderでは18のモデル構成にRemote Labor Indexの公表結果があります(BenchLeader、2026年11月16日)。
  • Remote Labor IndexはBenchLeader Indexのエージェント・ツールカテゴリに反映されます(BenchLeaderの評価方法)。

実際のフリーランス案件をはじめから終わりまで仕上げるタスク(Scale AI / CAIS)。

公開元
Scale AI / CAIS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
0.5
モデル
18
データ基準日
2026年11月16日
最新の結果
2026年11月9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

Remote Labor Indexは、Webサイトの構築、動画の編集、データセットの作成といった実際のフリーランス案件を集め、完成した成果物の納品をエージェントに求めます。プロのレビュアーが元の成果物と比べて判定します。

採点方法

許容できる水準で完了した案件の割合で、Scale AIとCenter for AI Safetyが公表しています。

注意点

どのモデルもスコアは低く、案件の種類もばらばらなので、細かな順位付けではなく「仕事を丸ごとこなせるか」の目安として読むのが適切です。レビューは人間が行い、タスクの数も多くありません。

18件中18件
#
1NEWClaude Fable 5.241.3%65.42026-11-09
2Claude Opus 5.521.3%61.02026-09-22
3GPT-6 Astra20.8%66.42026-09-03
4Claude Fable 5.117.9%66.42026-09-01
5Gemini 4 Argon17.1%64.42026-10-13
6Claude Fable 516.1%65.42026-06-09
7Claude Opus 4.88.3%58.72026-05-28
8GPT-5.56.3%61.02026-04-23
9Gemini 3.8 Flash5.8%56.42026-09-02
10Gemini 3.7 Flash5.0%–2026-08-13
11Claude Opus 4.64.2%62.12026-02-05
12Claude Opus 4.53.8%57.12025-11-24
13GPT-5.2medium2.5%56.22025-12-11
14GPT-5.22.1%56.72025-12-11
15Claude Sonnet 4.52.1%53.82025-09-29
16GPT-51.7%56.62025-08-07
17Gemini 3 Pro1.3%60.02025-11-18
18Gemini 2.5 Pro0.8%55.22025-06-05

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「Remote Labor Index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/rli

Remote Labor Index:よくある質問

Remote Labor Indexは何を測るベンチマークですか?
Remote Labor Indexは、Webサイトの構築、動画の編集、データセットの作成といった実際のフリーランス案件を集め、完成した成果物の納品をエージェントに求めます。プロのレビュアーが元の成果物と比べて判定します。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。
Remote Labor Indexの最高スコアは?
2026年11月16日時点で、Remote Labor Indexの最高スコアは41.3%で、Claude Fable 5.2が記録しています(結果の日付は2026年11月9日)。次点はClaude Opus 5.5の21.3%です。スコアはScale AI / CAISの公表値で、毎日読み直しています。
Remote Labor IndexでトップのAIモデルは?
2026年11月16日時点で、Remote Labor Indexの首位はClaude Fable 5.2で、スコアは41.3%です(結果の日付は2026年11月9日)。続いてClaude Opus 5.5(21.3%)です。
Remote Labor Indexの結果があるモデルはいくつですか?
BenchLeaderでは18のモデル構成にRemote Labor Indexの結果があり、すべてScale AI / CAIS(Epoch AI Benchmarking Hub経由)から取得しています。
Remote Labor Index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?
Remote Labor IndexはScale AI / CAIS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。
Remote Labor IndexはBenchLeader Indexに含まれますか?
はい。Remote Labor IndexはBenchLeader Indexのエージェント・ツールカテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。