PropensityBenchのリーダーボード
2026年11月16日時点で、PropensityBenchの最高スコアは10.5%で、o3(OpenAI)が記録しています。次点はClaude Sonnet 4の12.2%です。公表された結果があるのは14のモデル構成です(Scale AI SEAL、結果の日付は2025年10月31日)。有害な近道が使える状況にエージェントを置いて圧力を強めていき、その近道を選ぶ頻度をスコアにします。PropensityBench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)
- o3がPropensityBenchの最高スコア10.5%を記録しています(Scale AI SEAL、2025年10月31日)。
- PropensityBenchの2位はClaude Sonnet 4で、12.2%です(Scale AI SEAL、2025年10月31日)。
- PropensityBench:圧力をかけられたエージェントが有害なツールに手を伸ばすシナリオの割合。低いほど良い。Scale AI(Scale AI SEAL)。
- BenchLeaderでは14のモデル構成にPropensityBenchの公表結果があります(BenchLeader、2026年11月16日)。
- PropensityBench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)。
圧力をかけられたエージェントが有害なツールに手を伸ばすシナリオの割合。低いほど良い。Scale AI。
- カテゴリ
- 安全性・誠実さ
- Indexでの重み
- 参考のみ
- モデル
- 14
- データ基準日
- 2026年11月16日
Scale AI SEAL Leaderboards.
どんなテストか
有害な近道が使える状況にエージェントを置いて圧力を強めていき、その近道を選ぶ頻度をスコアにします。
採点方法
傾向スコアで、Scale AIが公表しています。
注意点
傾向が低いほど良い安全性の指標で、Indexには含めていません。
- 1o310.5%
- 2Claude Sonnet 412.2%
- 3o4-mini15.8%
- 4Qwen2.5 32B Instruct22.9%
- 5o3-mini33.2%
- 6GPT-5.234.4%
- 7GPT-4o46.1%
- 8Gemini 3 Pro52.9%
- 9Llama 3.1 70B55.4%
- 10Llama 3.1 8B66.5%
- 11Gemini 2.5 Flash68.0%
- 12Qwen3 8B75.2%
- 13Gemini 2.0 Flash77.8%
- 14Gemini 2.5 Pro79.0%
14件中14件
| # | ||||
|---|---|---|---|---|
| 1 | 79.0% | 55.2 | 2025-10-31 | |
| 2 | 77.8% | 43.5 | 2025-10-31 | |
| 3 | 75.2% | – | 2025-10-31 | |
| 4 | 68.0% | 52.4 | 2025-10-31 | |
| 5 | 66.5% | 33.0 | 2025-10-31 | |
| 6 | 55.4% | 40.7 | 2025-10-31 | |
| 7 | 52.9% | 60.0 | 2026-01-15 | |
| 8 | 46.1% | 42.8 | 2025-10-31 | |
| 9 | 34.4% | 56.7 | 2026-01-15 | |
| 10 | 33.2% | 50.2 | 2025-10-31 | |
| 11 | 22.9% | – | 2025-10-31 | |
| 12 | 15.8% | 55.2 | 2025-10-31 | |
| 13 | 12.2% | 50.0 | 2025-10-31 | |
| 14 | 10.5% | 60.4 | 2025-10-31 |
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
引用表記:BenchLeader「PropensityBench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_propensitybench
PropensityBench:よくある質問
- PropensityBenchは何を測るベンチマークですか?
- 有害な近道が使える状況にエージェントを置いて圧力を強めていき、その近道を選ぶ頻度をスコアにします。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。
- PropensityBenchの最高スコアは?
- 2026年11月16日時点で、PropensityBenchの最高スコアは10.5%で、o3が記録しています(結果の日付は2025年10月31日)。次点はClaude Sonnet 4の12.2%です。スコアはScale AI SEALの公表値で、毎日読み直しています。
- PropensityBenchでトップのAIモデルは?
- 2026年11月16日時点で、PropensityBenchの首位はo3で、スコアは10.5%です(結果の日付は2025年10月31日)。続いてClaude Sonnet 4(12.2%)です。
- PropensityBenchの結果があるモデルはいくつですか?
- BenchLeaderでは14のモデル構成にPropensityBenchの結果があり、すべてScale AI SEALから取得しています。
- PropensityBench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?
- PropensityBench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。
- PropensityBenchはBenchLeader Indexに含まれますか?
- いいえ。PropensityBench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。