BenchLeader

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。

公開元
Scale AI SEAL
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.

43件中43件
#
1Muse Spark 1.288.4%–2026-10-28
2Muse Spark Open87.7%–2026-10-28
3Muse Wonder85.9%64.42026-10-28
4Muse Spark 1.384.9%61.62026-10-28
5Inkling 2 Small82.3%57.92026-11-12
6DeepSeek V4.1 Flash79.8%–2026-10-28
7Inkling78.5%50.42026-10-28
8Qwen3.8 Maxmax77.6%58.72026-10-28
9Qwen3.8 2.4T A95B77.5%51.42026-10-28
10Mistral Large 477.0%52.92026-10-28
11GPT-5.6 Terra76.4%–2026-10-28
12Claude Opus 5.575.6%61.02026-10-28
13Claude Sonnet 5.574.6%–2026-10-28
14GPT-6 Astra74.3%66.42026-10-28
15GPT-6.1 Sol74.2%62.02026-10-28
16GPT-5.6 Sol73.6%54.32026-10-28
17Kimi K373.5%60.72026-10-28
18GPT-5.6 Luna72.7%47.22026-10-28
19GLM 5.3 Flash72.7%57.82026-10-28
20GLM 5.372.5%–2026-10-28
21Claude Haiku 5.571.7%–2026-10-28
22Claude Fable 5.171.5%66.42026-10-28
23Claude Opus 4.871.4%58.72026-10-28
24GLM-571.2%54.92026-10-28
25Gemini 3.8 Flash70.7%56.42026-10-28
26Claude Opus 570.2%63.22026-10-28
27Claude Fable 569.4%65.42026-10-28
28Gemini 3.7 Flash69.0%–2026-10-28
29Gemini 3.1 Pro68.8%59.92026-10-28
30Gemini 4 Argon68.6%64.42026-10-28
31Claude Sonnet 568.0%53.02026-10-28
32GPT-6 Sol68.0%–2026-10-28
33MiniMax M367.7%56.12026-10-28
34Gemini 3.5 Flash66.9%–2026-10-28
35GPT-6 Luna66.7%–2026-10-28
36GPT-6.1 Terra65.9%–2026-10-28
37gpt-oss-120b63.7%46.12026-10-28
38Nemotron 3.5 Lightning 30B A3B63.5%–2026-10-28
39Nemotron 3 Ultra62.1%42.12026-10-28
40Mistral Large 24.0259.1%40.52026-10-28
41Mistral Large 358.8%45.12026-10-28
42Grok 4.752.4%–2026-10-28
43Llama 4 Maverick41.3%41.82026-10-28

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

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。