BenchLeader

MultiNRCのリーダーボード

2026年11月16日時点で、MultiNRCの最高スコアは65.6%で、Muse Spark 1.1(Meta)が記録しています。次点はGPT-5 Proの65.2%です。公表された結果があるのは44のモデル構成です(Scale AI SEAL、結果の日付は2026年7月9日)。MultiNRCは、英語からの翻訳ではなく、各言語の母語話者が直接その言語で書いた質問で推論を試します。そのため、文化的・言語的な文脈が重要になります。MultiNRCはBenchLeader Indexの知識スコアに反映されます。

要点(2026年11月16日時点)

  • Muse Spark 1.1がMultiNRCの最高スコア65.6%を記録しています(Scale AI SEAL、2026年7月9日)。
  • MultiNRCの2位はGPT-5 Proで、65.2%です(Scale AI SEAL、2025年11月6日)。
  • MultiNRC:多言語でのネイティブな推論。Scale AI(Scale AI SEAL)。
  • BenchLeaderでは44のモデル構成にMultiNRCの公表結果があります(BenchLeader、2026年11月16日)。
  • MultiNRCはBenchLeader Indexの知識カテゴリに反映されます(BenchLeaderの評価方法)。

多言語でのネイティブな推論。Scale AI。

Scale AI SEALは、これら44件の結果のうち27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おり、ほかの結果と同じ重みでIndexに反映されます。

公開元
Scale AI SEAL
カテゴリ
知識
Indexでの重み
0.5
モデル
44
データ基準日
2026年11月16日

Scale AI SEAL Leaderboards.

どんなテストか

MultiNRCは、英語からの翻訳ではなく、各言語の母語話者が直接その言語で書いた質問で推論を試します。そのため、文化的・言語的な文脈が重要になります。

採点方法

言語全体での正答率で、Scale AIが公表しています。

注意点

対象言語はScaleが選んだものに限られます。英語で強いモデルでも、ここではスコアが低くなることがあります。

44件中44件
#
1Muse Spark 1.165.6%62.22026-07-09–
2GPT-5 Pro65.2%59.62025-11-06可能性あり
3Gemini 3.1 Pro64.7%59.92026-03-25可能性あり
4GPT-5.4 Pro62.3%63.12026-03-23可能性あり
5Muse Spark59.0%64.22026-04-08可能性あり
6Gemini 3 Pro59.0%60.02025-11-19可能性あり
7GPT-5.4thinking58.3%–2026-03-10可能性あり
8Claude Opus 4.6max57.1%57.02026-02-17可能性あり
9GPT-552.1%56.62025-08-08可能性あり
10o3-prohigh49.0%55.92025-06-26–
11GPT-5.1thinking49.0%54.62025-11-26可能性あり
12Claude Opus 4.5thinking48.6%59.32025-11-26可能性あり
13Claude Opus 4.6推論なし48.3%58.42026-02-17可能性あり
14o3high45.5%55.12025-04-16–
15Gemini 2.5 Pro45.1%55.22025-04-16–
16o3medium44.5%53.32025-05-24–
17GPT-5.242.2%56.72025-12-15可能性あり
18Claude Opus 4.541.2%57.12025-11-26可能性あり
19Claude Opus 4.1thinking38.4%58.12025-08-08可能性あり
20Claude Sonnet 4.5thinking35.8%52.32025-10-02可能性あり
21Kimi K2.535.2%54.62026-02-12可能性あり
22Claude Opus 4thinking33.9%55.72025-05-23–
23Claude Opus 4.129.7%51.12025-08-08可能性あり
24Claude Opus 429.0%51.92025-05-20–
25Claude Sonnet 4.528.1%53.82025-10-02可能性あり
26Claude 3.7 Sonnetthinking27.8%52.92025-03-05–
27DeepSeek R1 052827.6%49.12025-03-05–
28Qwen3 235B A22B 2507thinking27.1%51.82025-08-05可能性あり
29Gemini 3.1 Flash Lite25.0%52.62026-03-23可能性あり
30DeepSeek R124.3%47.22025-06-05–
31GPT-5 mini23.9%56.62025-08-22可能性あり
32DeepSeek V3.123.6%49.02025-08-26可能性あり
33o4-minihigh22.2%51.22025-05-06–
34GPT-4.121.2%48.72025-03-31–
35Kimi K218.5%51.12025-07-24–
36Claude Sonnet 418.4%50.02025-05-23–
37GPT 5.1 Instant18.3%–2025-11-26可能性あり
38Qwen3 235B A22B17.6%50.12025-07-24–
39GLM-4.517.4%51.62025-08-13可能性あり
40gpt-oss-120b15.2%46.12025-08-13可能性あり
41GPT-4o12.4%42.82025-05-23–
42GLM-4.5-Air10.4%46.72025-08-13可能性あり
43gpt-oss-20b10.4%44.52025-08-13可能性あり
44Llama 4 Maverick8.4%41.82025-04-17–

知識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「MultiNRC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_multinrc

MultiNRC:よくある質問

MultiNRCは何を測るベンチマークですか?
MultiNRCは、英語からの翻訳ではなく、各言語の母語話者が直接その言語で書いた質問で推論を試します。そのため、文化的・言語的な文脈が重要になります。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。
MultiNRCの最高スコアは?
2026年11月16日時点で、MultiNRCの最高スコアは65.6%で、Muse Spark 1.1が記録しています(結果の日付は2026年7月9日)。次点はGPT-5 Proの65.2%です。スコアはScale AI SEALの公表値で、毎日読み直しています。
MultiNRCでトップのAIモデルは?
2026年11月16日時点で、MultiNRCの首位はMuse Spark 1.1で、スコアは65.6%です(結果の日付は2026年7月9日)。続いてGPT-5 Pro(65.2%)です。
MultiNRCの結果があるモデルはいくつですか?
BenchLeaderでは44のモデル構成にMultiNRCの結果があり、すべてScale AI SEALから取得しています。
MultiNRC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?
MultiNRC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。
MultiNRCはBenchLeader Indexに含まれますか?
はい。MultiNRCはBenchLeader Indexの知識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。