MASKのリーダーボード
2026年11月16日時点で、MASKの最高スコアは96.3%で、Claude Opus 4.6(Anthropic)が記録しています。次点はClaude Sonnet 4.5の96.1%です。公表された結果があるのは65のモデル構成です(Scale AI SEAL、結果の日付は2026年2月17日)。MASKは正直さと正確さを切り分けます。まずモデルの考えを引き出し、次にそれと違うことを言うよう圧力をかけ、考えを保てるかどうかで正直さを判定します。MASK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 4.6がMASKの最高スコア96.3%を記録しています(Scale AI SEAL、2026年2月17日)。
- MASKの2位はClaude Sonnet 4.5で、96.1%です(Scale AI SEAL、2025年10月2日)。
- MASK:嘘をつくよう圧力をかけられても、モデルが自分の考えを述べるかどうか。Scale AI(Scale AI SEAL)。
- BenchLeaderでは65のモデル構成にMASKの公表結果があります(BenchLeader、2026年11月16日)。
- MASK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)。
嘘をつくよう圧力をかけられても、モデルが自分の考えを述べるかどうか。Scale AI。
Scale AI SEALは、これら65件の結果のうち38件にデータ汚染の可能性があるとしています。問題の公開後にモデルが評価されたため、問題がすでに学習データに含まれているおそれがあります。これらのスコアも下の表に載せていますが、このボードはIndexには反映されません。
- カテゴリ
- 安全性・誠実さ
- Indexでの重み
- 参考のみ
- モデル
- 65
- データ基準日
- 2026年11月16日
Scale AI SEAL Leaderboards.
どんなテストか
MASKは正直さと正確さを切り分けます。まずモデルの考えを引き出し、次にそれと違うことを言うよう圧力をかけ、考えを保てるかどうかで正直さを判定します。
採点方法
正直さの割合で、Scale AIがCenter for AI Safetyと共同で公表しています。
注意点
安全性とアラインメントの指標で、Indexには含めていません。
- 1Claude Opus 4.6 (none)96.3%
- 2Claude Sonnet 4.5 (thinking)96.1%
- 3Claude Sonnet 4 (thinking)95.3%
- 4Claude Opus 4.1 (thinking)94.2%
- 5Claude Opus 4.5 (thinking)92.5%
- 6gpt-oss-120b92.0%
- 7GPT-5.4 Pro91.7%
- 8GPT-5.4 (thinking)89.7%
- 9Claude Sonnet 489.3%
- 10Claude Opus 4 (thinking)87.9%
- 11Claude Opus 4.187.4%
- 12Claude Opus 4.587.1%
- 13GPT-5.286.7%
- 14gpt-oss-20b86.5%
- 15Claude Sonnet 4.586.4%
| # | |||||
|---|---|---|---|---|---|
| 1 | 96.3% | 58.4 | 2026-02-17 | 可能性あり | |
| 2 | 96.1% | 52.3 | 2025-10-02 | 可能性あり | |
| 3 | 95.3% | 53.8 | 2025-05-24 | – | |
| 4 | 94.2% | 58.1 | 2025-08-08 | 可能性あり | |
| 5 | 92.5% | 59.3 | 2025-11-26 | 可能性あり | |
| 6 | 92.0% | 46.1 | 2025-08-13 | 可能性あり | |
| 7 | 91.7% | 63.1 | 2026-03-23 | 可能性あり | |
| 8 | 89.7% | – | 2026-03-10 | 可能性あり | |
| 9 | 89.3% | 50.0 | 2025-05-23 | – | |
| 10 | 87.9% | 55.7 | 2025-05-24 | – | |
| 11 | 87.4% | 51.1 | 2025-08-08 | 可能性あり | |
| 12 | 87.1% | 57.1 | 2025-11-26 | 可能性あり | |
| 13 | 86.7% | 56.7 | 2025-12-15 | 可能性あり | |
| 14 | 86.5% | 44.5 | 2025-08-13 | 可能性あり | |
| 15 | 86.4% | 53.8 | 2025-10-02 | 可能性あり | |
| 16 | 86.3% | 54.6 | 2025-11-26 | 可能性あり | |
| 17 | 86.0% | 59.6 | 2025-11-06 | 可能性あり | |
| 18 | 85.4% | 57.0 | 2026-02-17 | 可能性あり | |
| 19 | 84.5% | 55.1 | 2025-04-25 | 可能性あり | |
| 20 | 82.6% | 56.6 | 2025-08-22 | 可能性あり | |
| 21 | 82.6% | 53.3 | 2025-04-16 | 可能性あり | |
| 22 | 82.5% | 55.9 | 2025-06-26 | 可能性あり | |
| 23 | 82.1% | 52.9 | 2025-03-05 | – | |
| 24 | 80.3% | 51.9 | 2025-05-23 | 可能性あり | |
| 25 | 79.3% | 56.6 | 2025-08-13 | 可能性あり | |
| 26 | 79.0% | 38.8 | 2025-03-05 | – | |
| 27 | 78.6% | 51.2 | 2025-04-25 | 可能性あり | |
| 28 | 72.9% | 51.7 | 2025-04-16 | 可能性あり | |
| 29 | 72.3% | 46.8 | 2025-03-05 | – | |
| 30 | 72.3% | 49.2 | 2025-03-05 | – | |
| 31 | 70.5% | 54.6 | 2026-02-12 | 可能性あり | |
| 32 | 63.3% | – | 2025-11-26 | 可能性あり | |
| 33 | 61.6% | – | 2025-03-05 | – | |
| 34 | 61.5% | 51.6 | 2025-08-13 | 可能性あり | |
| 35 | 61.4% | 41.8 | 2025-03-05 | – | |
| 36 | 61.4% | 36.9 | 2025-04-14 | 可能性あり | |
| 37 | 60.8% | 46.7 | 2025-08-13 | 可能性あり | |
| 38 | 60.1% | 42.8 | 2025-03-05 | – | |
| 39 | 59.3% | 52.5 | 2025-03-05 | – | |
| 40 | 57.3% | 47.2 | 2025-03-05 | – | |
| 41 | 56.9% | 50.5 | 2025-03-05 | – | |
| 42 | 56.5% | – | 2025-06-26 | 可能性あり | |
| 43 | 56.4% | 50.1 | 2025-05-01 | 可能性あり | |
| 44 | 55.9% | 55.2 | 2025-03-05 | – | |
| 45 | 54.1% | 36.0 | 2025-03-05 | – | |
| 46 | 53.0% | 49.1 | 2025-05-29 | – | |
| 47 | 51.9% | 39.9 | 2025-03-05 | – | |
| 48 | 51.1% | 48.7 | 2025-04-15 | 可能性あり | |
| 49 | 50.0% | 44.7 | 2025-04-14 | 可能性あり | |
| 50 | 49.7% | 41.8 | 2025-03-05 | – | |
| 51 | 49.7% | 40.2 | 2026-03-25 | – | |
| 52 | 49.5% | 45.1 | 2025-03-05 | – | |
| 53 | 49.1% | 52.4 | 2026-03-25 | 可能性あり | |
| 54 | 49.1% | 43.5 | 2025-03-05 | – | |
| 55 | 48.9% | 46.4 | 2025-03-05 | – | |
| 56 | 48.7% | 47.5 | 2025-04-01 | – | |
| 57 | 48.4% | 52.6 | 2026-03-23 | 可能性あり | |
| 58 | 47.5% | 42.5 | 2025-04-01 | – | |
| 59 | 46.8% | 47.9 | 2025-04-01 | – | |
| 60 | 46.7% | 51.1 | 2025-07-23 | 可能性あり |
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
MASKでの注目のモデル比較
引用表記:BenchLeader「MASK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_mask
MASK:よくある質問
- MASKは何を測るベンチマークですか?
- MASKは正直さと正確さを切り分けます。まずモデルの考えを引き出し、次にそれと違うことを言うよう圧力をかけ、考えを保てるかどうかで正直さを判定します。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。
- MASKの最高スコアは?
- 2026年11月16日時点で、MASKの最高スコアは96.3%で、Claude Opus 4.6が記録しています(結果の日付は2026年2月17日)。次点はClaude Sonnet 4.5の96.1%です。スコアはScale AI SEALの公表値で、毎日読み直しています。
- MASKでトップのAIモデルは?
- 2026年11月16日時点で、MASKの首位はClaude Opus 4.6で、スコアは96.3%です(結果の日付は2026年2月17日)。続いてClaude Sonnet 4.5(96.1%)です。
- MASKの結果があるモデルはいくつですか?
- BenchLeaderでは65のモデル構成にMASKの結果があり、すべてScale AI SEALから取得しています。
- MASK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?
- MASK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。
- MASKはBenchLeader Indexに含まれますか?
- いいえ。MASK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。