CUA-benchのリーダーボード
2026年11月16日時点で、CUA-benchの最高スコアは19.2%で、GPT-6 Astra(OpenAI)が記録しています。次点はClaude Opus 5.5の14.0%です。公表された結果があるのは9のモデル構成です(Vals AI、結果の日付は2026年10月13日)。コンピューター操作エージェントを、画面、キーボード、マウスを使って6本の市販ゲームに取り組ませ、進行度で採点します。3本は公開、3本は非公開です。CUA-bench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)
- GPT-6 AstraがCUA-benchの最高スコア19.2%を記録しています(Vals AI、2026年10月13日)。
- CUA-benchの2位はClaude Opus 5.5で、14.0%です(Vals AI、2026年10月13日)。
- CUA-bench:キーボードとマウスだけで市販のビデオゲーム6本をプレイ。半分は非公開です。Vals AIが実施(Vals AI)。
- BenchLeaderでは9のモデル構成にCUA-benchの公表結果があります(BenchLeader、2026年11月16日)。
- CUA-bench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)。
キーボードとマウスだけで市販のビデオゲーム6本をプレイ。半分は非公開です。Vals AIが実施。
- 公開元
- Vals AI
- カテゴリ
- エージェント・ツール
- Indexでの重み
- 参考のみ
- モデル
- 9
- データ基準日
- 2026年11月16日
Vals AI (vals.ai).
どんなテストか
コンピューター操作エージェントを、画面、キーボード、マウスを使って6本の市販ゲームに取り組ませ、進行度で採点します。3本は公開、3本は非公開です。
採点方法
ゲーム全体での進行度スコアで、Vals AIが実行しています。
注意点
ゲームで試されるのは知識よりも知覚と操作のループです。スキャフォールドやフレームレートが影響します。
- 1GPT-6 Astra (max)19.2%
- 2Claude Opus 5.5 (max)14.0%
- 3Claude Fable 5.1 (max)13.2%
- 4Claude Opus 5 (max)9.0%
- 5GPT-5.6 Sol (max)8.3%
- 6Muse Wonder (max)7.2%
- 7Muse Spark 1.3 (max)5.8%
- 8Gemini 4 Argon (high)4.8%
- 9Gemini 3.8 Flash (high)4.2%
9件中9件
| # | |||||
|---|---|---|---|---|---|
| 1 | 19.2% | 67.3 | $1821.37 | 2026-10-13 | |
| 2 | 14.0% | 68.4 | $188.04 | 2026-10-13 | |
| 3 | 13.2% | 66.7 | $323.78 | 2026-10-13 | |
| 4 | 9.0% | 65.0 | $232.23 | 2026-10-13 | |
| 5 | 8.3% | 65.3 | $206.99 | 2026-10-13 | |
| 6 | 7.2% | 60.8 | $597.21 | 2026-10-13 | |
| 7 | 5.8% | 60.6 | $143.48 | 2026-10-13 | |
| 8 | 4.8% | 65.3 | $193.78 | 2026-10-13 | |
| 9 | 4.2% | 59.4 | $280.03 | 2026-10-13 |
エージェント・ツール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
CUA-benchでの注目のモデル比較
引用表記:BenchLeader「CUA-bench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/vals_cua_bench
CUA-bench:よくある質問
- CUA-benchは何を測るベンチマークですか?
- コンピューター操作エージェントを、画面、キーボード、マウスを使って6本の市販ゲームに取り組ませ、進行度で採点します。3本は公開、3本は非公開です。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。
- CUA-benchの最高スコアは?
- 2026年11月16日時点で、CUA-benchの最高スコアは19.2%で、GPT-6 Astraが記録しています(結果の日付は2026年10月13日)。次点はClaude Opus 5.5の14.0%です。スコアはVals AIの公表値で、毎日読み直しています。
- CUA-benchでトップのAIモデルは?
- 2026年11月16日時点で、CUA-benchの首位はGPT-6 Astraで、スコアは19.2%です(結果の日付は2026年10月13日)。続いてClaude Opus 5.5(14.0%)です。
- CUA-benchの結果があるモデルはいくつですか?
- BenchLeaderでは9のモデル構成にCUA-benchの結果があり、すべてVals AIから取得しています。
- CUA-bench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?
- CUA-benchはVals AI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。
- CUA-benchはBenchLeader Indexに含まれますか?
- いいえ。CUA-bench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。