BenchLeader

MMLU-Proのリーダーボード

2026年11月16日時点で、MMLU-Proの最高スコアは92.4%で、Claude Fable 5.1(Anthropic)が記録しています。次点はClaude Opus 5の91.6%です。公表された結果があるのは133のモデル構成です(Vals AI、結果の日付は2026年9月1日)。MMLU-ProはMMLUを難しくした後継版です。14科目にわたる約12,000問で、各問題に選択肢が10個あり、推論を多く要する問題が増えています。元のMMLUにあった簡単すぎる問題やノイズの多い問題は取り除かれています。MMLU-ProはBenchLeader Indexの知識スコアに反映されます。

要点(2026年11月16日時点)

  • Claude Fable 5.1がMMLU-Proの最高スコア92.4%を記録しています(Vals AI、2026年9月1日)。
  • MMLU-Proの2位はClaude Opus 5で、91.6%です(Vals AI、2026年9月1日)。
  • MMLU-Pro:MMLUの後継で、より難しく推論の比重が大きいテスト。Vals AIが実施(Vals AI)。
  • BenchLeaderでは133のモデル構成にMMLU-Proの公表結果があります(BenchLeader、2026年11月16日)。
  • MMLU-ProはBenchLeader Indexの知識カテゴリに反映されます(BenchLeaderの評価方法)。

MMLUの後継で、より難しく推論の比重が大きいテスト。Vals AIが実施。

公開元
Vals AI
カテゴリ
知識
Indexでの重み
1.0
モデル
133
データ基準日
2026年11月16日

Vals AI (vals.ai).

どんなテストか

MMLU-ProはMMLUを難しくした後継版です。14科目にわたる約12,000問で、各問題に選択肢が10個あり、推論を多く要する問題が増えています。元のMMLUにあった簡単すぎる問題やノイズの多い問題は取り除かれています。

採点方法

正答率で、Vals AIが実行しています。

注意点

多肢選択式であることに変わりはないため、問われるのは正解を見分ける力です。幅広い知識を問う試験の常として、最先端のモデルでは飽和に近づいています。

133件中133件
#
1Claude Fable 5.1max92.4%66.7$0.0982026-09-01
2Claude Opus 5max91.6%65.0$0.0282026-09-01
3Claude Fable 5max91.5%65.1$0.0822026-09-01
4Gemini 3.1 Prohigh91.0%60.4$0.0282026-09-01
5Gemini 3.8 Flashhigh90.2%59.4$0.0222026-09-01
6Gemini 3.7 Flashhigh90.1%62.1$0.0112026-09-01
7Gemini 3 Pro90.1%60.0$0.0372026-09-01
8Claude Opus 4.7max89.9%59.7$0.0622026-09-01
9Claude Opus 4.8max89.6%61.1$0.0612026-09-01
10Gemini 3.5 Flashhigh89.5%62.5$0.0252026-09-01
11Grok 4.6high89.4%60.6$0.0152026-09-01
12Qwen3.7max89.3%60.0$0.0172026-09-01
13Gemini 3.6 Flashhigh89.3%61.0$0.0132026-09-01
14Grok 4.5high89.2%56.8$0.0152026-09-01
15Claude Opus 4.6max89.1%57.0$0.0522026-09-01
16GPT-5.6 Solmax89.1%65.3$0.0322026-09-01
17Muse Spark 1.1xhigh88.7%59.5$0.0112026-09-01
18Qwen3.8 Maxmax88.6%58.7$0.0192026-09-01
19Gemini 3 Flashhigh88.6%57.4$0.0192026-09-01
20Muse Spark 1.2xhigh88.3%61.5$0.0112026-09-01
21GPT-5.5xhigh88.1%64.1$0.0282026-09-01
22Kimi K3max88.0%60.2$0.0212026-09-01
23Claude Opus 4.1thinking87.9%58.1$0.1242026-09-01
24Qwen3.6 Plus87.7%59.0$0.00882026-09-01
25Kimi K2.687.6%55.1$0.0182026-09-01
26Claude Sonnet 5max87.5%56.1$0.0432026-09-01
27GPT-5.4xhigh87.5%63.1$0.0512026-09-01
28Claude Sonnet 4.5thinking87.4%52.3$0.0402026-09-01
29Claude Sonnet 4.6max87.3%56.1$0.0662026-09-01
30Muse Spark87.3%64.2$0.00172026-09-01
31Claude Opus 4.5high87.3%59.7$0.2152026-09-01
32DeepSeek V4 Promax87.3%54.7$0.0272026-09-01
33Claude Opus 4.187.2%51.1$0.00712026-09-01
34Qwen3.5 Plusthinking87.2%57.4$0.00892026-09-01
35MiniMax-M2.187.0%53.8$0.00322026-09-01
36GLM 5.186.9%55.4$0.0122026-09-01
37GLM 5.3max86.8%58.8$0.0172026-09-01
38GLM 5.286.7%51.9$0.0142026-09-01
39GPT-5.6 Terraxhigh86.7%60.1$0.00802026-09-01
40GPT-5high86.5%58.2$0.0242026-09-01
41GPT-5.1high86.4%57.5$0.0192026-09-01
42Inkling86.3%50.4$0.0402026-09-01
43Grok 4.20thinking86.3%58.3$0.0132026-09-01
44Gemini 3.1 Flash Lite86.2%52.6$0.00112026-09-01
45GPT-5.2xhigh86.2%59.9$0.0372026-09-01
46DeepSeek V4 Flashhigh86.2%57.2$0.00272026-09-01
47Claude Opus 486.2%51.9$0.0502026-09-01
48GLM 5.3 Flashmax86.1%52.4$0.00112026-09-01
49GPT-5.6 Lunamax86.0%56.2$0.00282026-09-01
50GLM-5thinking86.0%60.2$0.0122026-09-01
51Kimi K2.5thinking85.9%59.4$0.00792026-09-01
52Grok 4.3high85.8%56.5$0.00952026-09-01
53Gemini 3.5 Flash Litehigh85.8%47.8$0.00452026-09-01
54Nemotron 3 Ultra 550B A55B85.8%55.4–2026-09-01
55o3high85.6%55.1$0.0122026-09-01
56Inkling Small85.6%52.0$0.00572026-09-01
57Grok 485.3%58.1$0.0502026-09-01
58Qwen3 Maxmax85.0%54.2$0.0272026-09-01
59DeepSeek V3.2thinking84.9%56.7$0.00112026-09-01
60MiMo-V2.5-Pro84.6%55.5$0.00212026-09-01

知識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「MMLU-Pro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_mmlu_pro

MMLU-Pro:よくある質問

MMLU-Proは何を測るベンチマークですか?
MMLU-ProはMMLUを難しくした後継版です。14科目にわたる約12,000問で、各問題に選択肢が10個あり、推論を多く要する問題が増えています。元のMMLUにあった簡単すぎる問題やノイズの多い問題は取り除かれています。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。
MMLU-Proの最高スコアは?
2026年11月16日時点で、MMLU-Proの最高スコアは92.4%で、Claude Fable 5.1が記録しています(結果の日付は2026年9月1日)。次点はClaude Opus 5の91.6%です。スコアはVals AIの公表値で、毎日読み直しています。
MMLU-ProでトップのAIモデルは?
2026年11月16日時点で、MMLU-Proの首位はClaude Fable 5.1で、スコアは92.4%です(結果の日付は2026年9月1日)。続いてClaude Opus 5(91.6%)です。
MMLU-Proの結果があるモデルはいくつですか?
BenchLeaderでは133のモデル構成にMMLU-Proの結果があり、すべてVals AIから取得しています。
MMLU-Pro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?
MMLU-Pro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。
MMLU-ProはBenchLeader Indexに含まれますか?
はい。MMLU-ProはBenchLeader Indexの知識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。