BenchLeader

SimpleBenchのリーダーボード

2026年11月16日時点で、SimpleBenchの最高スコアは94.9%で、Claude Fable 5.2(Anthropic)が記録しています。次点はGemini 4 Carbonの92.6%です。公表された結果があるのは111のモデル構成です(SimpleBench、結果の日付は2026年11月9日)。SimpleBenchは、一般の人には簡単でもモデルには難しいひっかけ問題を出します。空間的・時間的な推論、社会的な状況、そして暗記した答えに誘導するための無関係な情報を含むパズルなどです。人間のベースラインは約84%です。SimpleBenchはBenchLeader Indexの推論スコアに反映されます。

要点(2026年11月16日時点)

  • Claude Fable 5.2がSimpleBenchの最高スコア94.9%を記録しています(SimpleBench、2026年11月9日)。
  • SimpleBenchの2位はGemini 4 Carbonで、92.6%です(SimpleBench、2026年11月10日)。
  • SimpleBench:人間の正答率が約84%のひっかけ問題。時空間的な推論と社会的知性を試します(SimpleBench)。
  • BenchLeaderでは111のモデル構成にSimpleBenchの公表結果があります(BenchLeader、2026年11月16日)。
  • SimpleBenchはBenchLeader Indexの推論カテゴリに反映されます(BenchLeaderの評価方法)。

人間の正答率が約84%のひっかけ問題。時空間的な推論と社会的知性を試します。

公開元
SimpleBenchデータ取得元:Epoch AI Benchmarking Hub
カテゴリ
推論
Indexでの重み
1.0
モデル
111
データ基準日
2026年11月16日
最新の結果
2026年11月10日

CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.

どんなテストか

SimpleBenchは、一般の人には簡単でもモデルには難しいひっかけ問題を出します。空間的・時間的な推論、社会的な状況、そして暗記した答えに誘導するための無関係な情報を含むパズルなどです。人間のベースラインは約84%です。

採点方法

多肢選択問題の正答率で、ベンチマークの作成者が固定のプロンプトで実行しています。

注意点

規模が小さいため数問でスコアが変わり、問題が非公開なので個々の問題を検証しにくい面があります。パターンマッチングで答えるモデルを不利にするからこそ、知識を問うテストを補完するのに適しています。

111件中111件
#
1NEWClaude Fable 5.294.9%65.42026-11-09
2Gemini 4 Carbon92.6%–2026-11-10
3Gemini 4 Argon91.7%64.42026-10-13
4Claude Opus 5.588.4%61.02026-09-22
5Claude Fable 5.186.6%66.42026-09-01
6GPT-6 AstraProモード86.5%–2026-09-03
7GPT-6 Astra83.6%66.42026-09-03
8GPT-6.1 Sol82.9%62.02026-09-29
9Gemini 3.8 Flash82.4%56.42026-09-02
10Claude Fable 5max81.9%65.12026-06-09
11Muse Spark 1.381.8%61.62026-09-02
12Claude Opus 580.6%63.22026-07-24
13Gemini 3.1 Pro79.6%59.92026-02-19
14GPT-5.5 Prohigh76.9%–2026-04-23
15GPT-5.5 Pro76.9%–2026-04-23
16Gemini 3.5 Flash76.7%–2026-05-19
17Gemini 3 Pro76.4%60.02025-11-18
18Grok 4.675.9%–2026-08-12
19Claude Sonnet 5.575.9%–2026-09-28
20Muse Spark 1.274.5%–2026-08-05
21GPT-5.4 Pro74.1%63.12026-03-05
22GPT-6 Sol73.1%–2026-09-22
23NEWMuse Ember72.7%–2026-11-09
24GPT-6.1 Terra72.2%–2026-10-26
25GPT-5.6 SolProモード71.7%–2026-07-09
26Qwen3.7max70.4%60.02026-05-19
27Grok 4.570.0%59.32026-07-08
28GPT-5.569.0%61.02026-04-23
29Claude Opus 4.667.6%62.12026-02-05
30DeepSeek V4.1 Flash66.7%–2026-09-09
31GLM 5.366.2%–2026-08-14
32GPT-5.6 Solxhigh64.8%63.92026-07-09
33Claude Opus 4.864.8%58.72026-05-28
34GPT-5.6 Sol64.8%54.32026-07-09
35Qwen3.6 Maxmax63.0%62.12026-04-20
36Gemini 2.5 Pro62.4%55.22025-06-05
37Claude Opus 4.562.0%57.12025-11-24
38Claude Opus 4.761.7%63.12026-04-16
39GPT-5 Pro61.6%59.62025-10-07
40GPT-5 Prohigh61.6%–2025-10-07
41Gemini 3 Flash61.1%56.52025-12-17
42DeepSeek V4 Flash61.1%53.82026-07-31
43Kimi K3max60.7%60.22026-07-16
44Claude Sonnet 560.6%53.02026-06-30
45Grok 460.5%58.12025-07-09
46Qwen3.8 27B60.2%55.12026-08-14
47Claude Opus 4.160.0%51.12025-08-05
48Claude Opus 458.8%51.92025-05-22
49GLM 5.258.8%51.92026-06-16
50Kimi K2.7 Code57.9%53.92026-06-12
51GPT-5.2 Pro57.4%–2025-12-11
52GPT-5high56.7%58.22025-08-07
53Grok 4.1 Fastthinking56.0%55.32025-11-19
54Grok 4.1 Fast推論なし56.0%43.12025-11-19
55GLM 5.155.1%55.42026-04-07
56Claude Sonnet 4.554.3%53.82025-09-29
57GPT-5.1high53.2%57.52025-11-13
58GLM-553.2%54.92026-02-11
59o3high53.1%55.12025-04-16
60DeepSeek V3.2 Speciale52.6%53.32025-12-01

推論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「SimpleBench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/simplebench

SimpleBench:よくある質問

SimpleBenchは何を測るベンチマークですか?
SimpleBenchは、一般の人には簡単でもモデルには難しいひっかけ問題を出します。空間的・時間的な推論、社会的な状況、そして暗記した答えに誘導するための無関係な情報を含むパズルなどです。人間のベースラインは約84%です。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。
SimpleBenchの最高スコアは?
2026年11月16日時点で、SimpleBenchの最高スコアは94.9%で、Claude Fable 5.2が記録しています(結果の日付は2026年11月9日)。次点はGemini 4 Carbonの92.6%です。スコアはSimpleBenchの公表値で、毎日読み直しています。
SimpleBenchでトップのAIモデルは?
2026年11月16日時点で、SimpleBenchの首位はClaude Fable 5.2で、スコアは94.9%です(結果の日付は2026年11月9日)。続いてGemini 4 Carbon(92.6%)です。
SimpleBenchの結果があるモデルはいくつですか?
BenchLeaderでは111のモデル構成にSimpleBenchの結果があり、すべてSimpleBench(Epoch AI Benchmarking Hub経由)から取得しています。
SimpleBench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?
SimpleBenchはSimpleBench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。
SimpleBenchはBenchLeader Indexに含まれますか?
はい。SimpleBenchはBenchLeader Indexの推論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。