TutorBenchのリーダーボード
2026年11月16日時点で、TutorBenchの最高スコアは68.5%で、Muse Spark(Meta)が記録しています。次点はGPT-5.4 Proの56.6%です。公表された結果があるのは27のモデル構成です(Scale AI SEAL、結果の日付は2026年4月8日)。TutorBenchは、高校やAP科目のチューターとして振る舞うようモデルに求めます。説明する、ヒントを出す、生徒の答案を採点するといった対応を、ルーブリックに沿って評価します。TutorBenchはBenchLeader Indexの指示追従スコアに反映されます。
要点(2026年11月16日時点)
- Muse SparkがTutorBenchの最高スコア68.5%を記録しています(Scale AI SEAL、2026年4月8日)。
- TutorBenchの2位はGPT-5.4 Proで、56.6%です(Scale AI SEAL、2026年3月23日)。
- TutorBench:高校・AP科目の個別指導のタスク。Scale AI(Scale AI SEAL)。
- BenchLeaderでは27のモデル構成にTutorBenchの公表結果があります(BenchLeader、2026年11月16日)。
- TutorBenchはBenchLeader Indexの指示追従カテゴリに反映されます(BenchLeaderの評価方法)。
高校・AP科目の個別指導のタスク。Scale AI。
- カテゴリ
- 指示追従
- Indexでの重み
- 0.5
- モデル
- 27
- データ基準日
- 2026年11月16日
Scale AI SEAL Leaderboards.
どんなテストか
TutorBenchは、高校やAP科目のチューターとして振る舞うようモデルに求めます。説明する、ヒントを出す、生徒の答案を採点するといった対応を、ルーブリックに沿って評価します。
採点方法
ルーブリックの得点のうち獲得した割合で、Scale AIが公表しています。
注意点
教え方をルーブリックで採点するため、主観が入ります。単に答えを教えるより、ヒントにとどめる控えめな対応が評価されます。
- 1Muse Spark68.5%
- 2GPT-5.4 Pro56.6%
- 3Gemini 2.5 Pro55.6%
- 4GPT-555.3%
- 5o3-pro54.6%
- 6Kimi K2.554.6%
- 7GPT-5.1 (thinking)54.1%
- 8Claude Opus 4.6 (max)53.7%
- 9Gemini 3 Pro53.7%
- 10Claude Opus 4.6 (none)53.5%
- 11GPT-5.253.5%
- 12Gemini 3.1 Pro53.0%
- 13o3 (medium)52.8%
- 14o3 (high)52.1%
- 15Gemini 3.1 Flash Lite51.5%
27件中27件
| # | ||||
|---|---|---|---|---|
| 1 | 68.5% | 64.2 | 2026-04-08 | |
| 2 | 56.6% | 63.1 | 2026-03-23 | |
| 3 | 55.6% | 55.2 | 2025-09-10 | |
| 4 | 55.3% | 56.6 | 2025-09-10 | |
| 5 | 54.6% | 49.9 | 2025-09-10 | |
| 6 | 54.6% | 54.6 | 2026-02-12 | |
| 7 | 54.1% | 54.6 | 2025-11-26 | |
| 8 | 53.7% | 57.0 | 2026-02-17 | |
| 9 | 53.7% | 60.0 | 2025-09-10 | |
| 10 | 53.5% | 58.4 | 2025-11-21 | |
| 11 | 53.5% | 56.7 | 2025-12-15 | |
| 12 | 53.0% | 59.9 | 2026-03-25 | |
| 13 | 52.8% | 53.3 | 2025-09-10 | |
| 14 | 52.1% | 55.1 | 2025-11-26 | |
| 15 | 51.5% | 52.6 | 2026-03-23 | |
| 16 | 51.2% | 59.3 | 2025-09-10 | |
| 17 | 50.8% | 58.1 | 2025-11-26 | |
| 18 | 49.8% | 57.1 | 2025-09-10 | |
| 19 | 49.7% | 55.7 | 2025-10-08 | |
| 20 | 49.1% | – | 2025-09-10 | |
| 21 | 49.0% | 52.3 | 2025-09-10 | |
| 22 | 47.4% | 51.1 | 2025-11-26 | |
| 23 | 46.5% | – | 2025-10-08 | |
| 24 | 45.7% | 53.8 | 2025-09-10 | |
| 25 | 45.5% | 51.9 | 2025-09-10 | |
| 26 | 40.2% | 41.8 | 2025-09-10 | |
| 27 | 36.1% | 42.8 | 2026-02-17 |
指示追従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
TutorBenchでの注目のモデル比較
引用表記:BenchLeader「TutorBench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_tutorbench
TutorBench:よくある質問
- TutorBenchは何を測るベンチマークですか?
- TutorBenchは、高校やAP科目のチューターとして振る舞うようモデルに求めます。説明する、ヒントを出す、生徒の答案を採点するといった対応を、ルーブリックに沿って評価します。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。
- TutorBenchの最高スコアは?
- 2026年11月16日時点で、TutorBenchの最高スコアは68.5%で、Muse Sparkが記録しています(結果の日付は2026年4月8日)。次点はGPT-5.4 Proの56.6%です。スコアはScale AI SEALの公表値で、毎日読み直しています。
- TutorBenchでトップのAIモデルは?
- 2026年11月16日時点で、TutorBenchの首位はMuse Sparkで、スコアは68.5%です(結果の日付は2026年4月8日)。続いてGPT-5.4 Pro(56.6%)です。
- TutorBenchの結果があるモデルはいくつですか?
- BenchLeaderでは27のモデル構成にTutorBenchの結果があり、すべてScale AI SEALから取得しています。
- TutorBench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?
- TutorBench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。
- TutorBenchはBenchLeader Indexに含まれますか?
- はい。TutorBenchはBenchLeader Indexの指示追従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。