BenchLeader

FORTRESSのリーダーボード

2026年11月16日時点で、FORTRESSの最高スコアは5.8%で、Claude Opus 5.5(Anthropic)が記録しています。次点はMuse Spark Openの7.6%です。公表された結果があるのは83のモデル構成です(Scale AI SEAL、結果の日付は2026年10月19日)。リスク領域ごとに、敵対的なプロンプトと無害なプロンプトを対にして出し、有害なものは断り、無害なものには答えることを求めます。FORTRESS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)

  • Claude Opus 5.5がFORTRESSの最高スコア5.8%を記録しています(Scale AI SEAL、2026年10月19日)。
  • FORTRESSの2位はMuse Spark Openで、7.6%です(Scale AI SEAL、2026年11月4日)。
  • FORTRESS:敵対的な有害リクエストに対する平均リスクスコア。回答に含まれる実行可能な有害情報の多さを示し、低いほど良い。Scale AI(Scale AI SEAL)。
  • BenchLeaderでは83のモデル構成にFORTRESSの公表結果があります(BenchLeader、2026年11月16日)。
  • FORTRESS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)。

敵対的な有害リクエストに対する平均リスクスコア。回答に含まれる実行可能な有害情報の多さを示し、低いほど良い。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
83
データ基準日
2026年11月16日
最新の結果
2026年11月13日

Scale AI SEAL Leaderboards.

どんなテストか

リスク領域ごとに、敵対的なプロンプトと無害なプロンプトを対にして出し、有害なものは断り、無害なものには答えることを求めます。

採点方法

有害な依頼の拒否と無害な依頼への応答を合わせたスコアで、Scale AIが公表しています。

注意点

能力ではなく安全性の指標で、BenchLeader Indexには含めていません。

83件中83件
#
1DeepSeek R174.4%47.22025-04-10
2GLM-4.5-Air63.2%46.72025-08-13
3Qwen3 235B A22B61.4%50.12025-07-24
4DeepSeek V3.160.5%49.02025-08-26
5GLM-4.559.6%51.62025-08-13
6GPT-4.1 mini59.2%44.72025-04-10
7Qwen2.5 72B56.4%43.12025-04-10
8Mixtral 8x22B Instruct56.1%37.42025-05-23
9Kimi K255.5%51.12025-07-23
10Gemini 2.5 Pro54.9%55.22025-05-23
11Gemini 1.5 Pro53.9%47.02025-04-10
12GPT-4.153.0%48.72025-05-23
13MiniMax M3.1 Flash52.1%54.32026-10-29
14Gemini 3.1 Flash Lite51.0%52.62026-03-13
15Gemini 1.5 Flash50.6%45.32025-04-10
16GLM 5.248.7%51.92026-11-04
17GPT-4o mini48.1%35.22025-04-10
18GPT-4o47.2%42.82025-04-10
19Llama 3.3 70B44.8%39.92025-04-10
20Llama 3.1 70B44.2%40.72025-04-10
21Gemini 3 Pro41.7%60.02025-12-02
22Kimi K2.541.1%54.62026-02-12
23Llama 4 Maverick40.1%41.82025-05-20
24Claude 3.7 Sonnet38.0%49.22025-05-24
25Claude 3.5 Haiku30.4%38.72025-05-01
26GPT 5.1 Instant30.4%–2025-11-26
27o3-mini30.1%50.22025-04-17
28Gemini 3.1 Pro29.8%59.92026-03-13
29GLM 5.3max28.2%58.82026-09-15
30Claude Opus 427.6%51.92025-04-10
31Kimi K327.3%60.72026-09-15
32DeepSeek V4.1 Flash 101727.2%–2026-10-27
33GLM 5.3 Flash26.7%57.82026-11-04
34Kimi K3max26.6%60.22026-09-15
35Nemotron 3 Ultra Nvfp4high26.4%–2026-09-15
36GPT-5.1thinking25.7%54.62025-11-26
37Inklingxhigh25.0%50.02026-09-15
38Claude Opus 4thinking24.8%55.72025-06-02
39Claude Sonnet 424.4%50.02025-04-16
40Mistral Large 423.1%52.92026-10-08
41Qwen3.8 2.4T A95Bxhigh21.6%–2026-09-15
42o4-mini21.5%55.22025-05-06
43Llama 3.1 405B20.6%41.82025-04-10
44Claude Opus 4.6推論なし20.5%58.42026-02-17
45Muse Spark20.2%64.22026-04-08
46GPT-5.6 Sol20.1%54.32026-09-15
47o119.4%52.52025-04-16
48Kimi K3.1 Pro18.6%61.82026-11-12
49Claude Opus 4.8max18.2%61.12026-07-08
50GPT-6.1 Terra18.2%–2026-10-27
51Claude Sonnet 4thinking18.1%53.82025-04-16
52gpt-oss-20b17.6%44.52025-08-13
53GPT-5.217.5%56.72025-12-15
54GPT-517.0%56.62025-08-13
55GPT-5 mini17.0%56.62025-08-22
56Claude Sonnet 4.517.0%53.82025-10-02
57Claude Opus 516.8%63.22026-09-15
58Gemini 4 Carbon16.4%–2026-11-12
59GPT-5.5xhigh16.3%64.12026-07-08
60Inkling 2 Small16.2%57.92026-11-12

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「FORTRESS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_fortress

FORTRESS:よくある質問

FORTRESSは何を測るベンチマークですか?
リスク領域ごとに、敵対的なプロンプトと無害なプロンプトを対にして出し、有害なものは断り、無害なものには答えることを求めます。スコアは解けたタスクの割合(%)で示され、低いほど良い結果です。
FORTRESSの最高スコアは?
2026年11月16日時点で、FORTRESSの最高スコアは5.8%で、Claude Opus 5.5が記録しています(結果の日付は2026年10月19日)。次点はMuse Spark Openの7.6%です。スコアはScale AI SEALの公表値で、毎日読み直しています。
FORTRESSでトップのAIモデルは?
2026年11月16日時点で、FORTRESSの首位はClaude Opus 5.5で、スコアは5.8%です(結果の日付は2026年10月19日)。続いてMuse Spark Open(7.6%)です。
FORTRESSの結果があるモデルはいくつですか?
BenchLeaderでは83のモデル構成にFORTRESSの結果があり、すべてScale AI SEALから取得しています。
FORTRESS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?
FORTRESS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。
FORTRESSはBenchLeader Indexに含まれますか?
いいえ。FORTRESS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。