BenchLeader

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。

9件中9件
#
1GPT-6 Astramax19.2%67.3$1821.372026-10-13
2Claude Opus 5.5max14.0%68.4$188.042026-10-13
3Claude Fable 5.1max13.2%66.7$323.782026-10-13
4Claude Opus 5max9.0%65.0$232.232026-10-13
5GPT-5.6 Solmax8.3%65.3$206.992026-10-13
6Muse Wondermax7.2%60.8$597.212026-10-13
7Muse Spark 1.3max5.8%60.6$143.482026-10-13
8Gemini 4 Argonhigh4.8%65.3$193.782026-10-13
9Gemini 3.8 Flashhigh4.2%59.4$280.032026-10-13

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

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。