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。
- 1Claude Fable 5.241.3%
- 2Claude Opus 5.521.3%
- 3GPT-6 Astra20.8%
- 4Claude Fable 5.117.9%
- 5Gemini 4 Argon17.1%
- 6Claude Fable 516.1%
- 7Claude Opus 4.88.3%
- 8GPT-5.56.3%
- 9Gemini 3.8 Flash5.8%
- 10Gemini 3.7 Flash5.0%
- 11Claude Opus 4.64.2%
- 12Claude Opus 4.53.8%
- 13GPT-5.2 (medium)2.5%
- 14GPT-5.22.1%
- 15Claude Sonnet 4.52.1%
| # | ||||
|---|---|---|---|---|
| 1 | NEW | 41.3% | 65.4 | 2026-11-09 |
| 2 | 21.3% | 61.0 | 2026-09-22 | |
| 3 | 20.8% | 66.4 | 2026-09-03 | |
| 4 | 17.9% | 66.4 | 2026-09-01 | |
| 5 | 17.1% | 64.4 | 2026-10-13 | |
| 6 | 16.1% | 65.4 | 2026-06-09 | |
| 7 | 8.3% | 58.7 | 2026-05-28 | |
| 8 | 6.3% | 61.0 | 2026-04-23 | |
| 9 | 5.8% | 56.4 | 2026-09-02 | |
| 10 | 5.0% | – | 2026-08-13 | |
| 11 | 4.2% | 62.1 | 2026-02-05 | |
| 12 | 3.8% | 57.1 | 2025-11-24 | |
| 13 | 2.5% | 56.2 | 2025-12-11 | |
| 14 | 2.1% | 56.7 | 2025-12-11 | |
| 15 | 2.1% | 53.8 | 2025-09-29 | |
| 16 | 1.7% | 56.6 | 2025-08-07 | |
| 17 | 1.3% | 60.0 | 2025-11-18 | |
| 18 | 0.8% | 55.2 | 2025-06-05 |
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
関連するベンチマーク
Remote Labor Indexでの注目のモデル比較
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。