DistressBenchのリーダーボード
2026年11月16日時点で、DistressBenchの最高スコアは88.4%で、Muse Spark 1.2(Meta)が記録しています。次点はMuse Spark Openの87.7%です。公表された結果があるのは43のモデル構成です(Scale AI SEAL、結果の日付は2026年10月28日)。自殺・自傷・急性の苦痛をめぐる、臨床家が書いた718の会話で、危機支援の質を臨床家のルーブリックで採点。Scale AI。DistressBench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)
- Muse Spark 1.2がDistressBenchの最高スコア88.4%を記録しています(Scale AI SEAL、2026年10月28日)。
- DistressBenchの2位はMuse Spark Openで、87.7%です(Scale AI SEAL、2026年10月28日)。
- DistressBench:自殺・自傷・急性の苦痛をめぐる、臨床家が書いた718の会話で、危機支援の質を臨床家のルーブリックで採点。Scale AI(Scale AI SEAL)。
- BenchLeaderでは43のモデル構成にDistressBenchの公表結果があります(BenchLeader、2026年11月16日)。
- DistressBench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)。
自殺・自傷・急性の苦痛をめぐる、臨床家が書いた718の会話で、危機支援の質を臨床家のルーブリックで採点。Scale AI。
- カテゴリ
- 安全性・誠実さ
- Indexでの重み
- 参考のみ
- モデル
- 43
- データ基準日
- 2026年11月16日
- 最新の結果
- 2026年11月12日
Scale AI SEAL Leaderboards.
- 1Muse Spark 1.288.4%
- 2Muse Spark Open87.7%
- 3Muse Wonder85.9%
- 4Muse Spark 1.384.9%
- 5Inkling 2 Small82.3%
- 6DeepSeek V4.1 Flash79.8%
- 7Inkling78.5%
- 8Qwen3.8 Max (max)77.6%
- 9Qwen3.8 2.4T A95B77.5%
- 10Mistral Large 477.0%
- 11GPT-5.6 Terra76.4%
- 12Claude Opus 5.575.6%
- 13Claude Sonnet 5.574.6%
- 14GPT-6 Astra74.3%
- 15GPT-6.1 Sol74.2%
43件中43件
| # | ||||
|---|---|---|---|---|
| 1 | 88.4% | – | 2026-10-28 | |
| 2 | 87.7% | – | 2026-10-28 | |
| 3 | 85.9% | 64.4 | 2026-10-28 | |
| 4 | 84.9% | 61.6 | 2026-10-28 | |
| 5 | 82.3% | 57.9 | 2026-11-12 | |
| 6 | 79.8% | – | 2026-10-28 | |
| 7 | 78.5% | 50.4 | 2026-10-28 | |
| 8 | 77.6% | 58.7 | 2026-10-28 | |
| 9 | 77.5% | 51.4 | 2026-10-28 | |
| 10 | 77.0% | 52.9 | 2026-10-28 | |
| 11 | 76.4% | – | 2026-10-28 | |
| 12 | 75.6% | 61.0 | 2026-10-28 | |
| 13 | 74.6% | – | 2026-10-28 | |
| 14 | 74.3% | 66.4 | 2026-10-28 | |
| 15 | 74.2% | 62.0 | 2026-10-28 | |
| 16 | 73.6% | 54.3 | 2026-10-28 | |
| 17 | 73.5% | 60.7 | 2026-10-28 | |
| 18 | 72.7% | 47.2 | 2026-10-28 | |
| 19 | 72.7% | 57.8 | 2026-10-28 | |
| 20 | 72.5% | – | 2026-10-28 | |
| 21 | 71.7% | – | 2026-10-28 | |
| 22 | 71.5% | 66.4 | 2026-10-28 | |
| 23 | 71.4% | 58.7 | 2026-10-28 | |
| 24 | 71.2% | 54.9 | 2026-10-28 | |
| 25 | 70.7% | 56.4 | 2026-10-28 | |
| 26 | 70.2% | 63.2 | 2026-10-28 | |
| 27 | 69.4% | 65.4 | 2026-10-28 | |
| 28 | 69.0% | – | 2026-10-28 | |
| 29 | 68.8% | 59.9 | 2026-10-28 | |
| 30 | 68.6% | 64.4 | 2026-10-28 | |
| 31 | 68.0% | 53.0 | 2026-10-28 | |
| 32 | 68.0% | – | 2026-10-28 | |
| 33 | 67.7% | 56.1 | 2026-10-28 | |
| 34 | 66.9% | – | 2026-10-28 | |
| 35 | 66.7% | – | 2026-10-28 | |
| 36 | 65.9% | – | 2026-10-28 | |
| 37 | 63.7% | 46.1 | 2026-10-28 | |
| 38 | 63.5% | – | 2026-10-28 | |
| 39 | 62.1% | 42.1 | 2026-10-28 | |
| 40 | 59.1% | 40.5 | 2026-10-28 | |
| 41 | 58.8% | 45.1 | 2026-10-28 | |
| 42 | 52.4% | – | 2026-10-28 | |
| 43 | 41.3% | 41.8 | 2026-10-28 |
安全性・誠実さ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
DistressBenchでの注目のモデル比較
引用表記:BenchLeader「DistressBench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/scale_distressbench
DistressBench:よくある質問
- DistressBenchは何を測るベンチマークですか?
- 自殺・自傷・急性の苦痛をめぐる、臨床家が書いた718の会話で、危機支援の質を臨床家のルーブリックで採点。Scale AI。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。
- DistressBenchの最高スコアは?
- 2026年11月16日時点で、DistressBenchの最高スコアは88.4%で、Muse Spark 1.2が記録しています(結果の日付は2026年10月28日)。次点はMuse Spark Openの87.7%です。スコアはScale AI SEALの公表値で、毎日読み直しています。
- DistressBenchでトップのAIモデルは?
- 2026年11月16日時点で、DistressBenchの首位はMuse Spark 1.2で、スコアは88.4%です(結果の日付は2026年10月28日)。続いてMuse Spark Open(87.7%)です。
- DistressBenchの結果があるモデルはいくつですか?
- BenchLeaderでは43のモデル構成にDistressBenchの結果があり、すべてScale AI SEALから取得しています。
- DistressBench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?
- DistressBenchはScale AI SEAL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。
- DistressBenchはBenchLeader Indexに含まれますか?
- いいえ。DistressBench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。