BenchLeader

Public Benefits Benchのリーダーボード

2026年11月16日時点で、Public Benefits Benchの最高スコアは76.9%で、Claude Opus 5(Anthropic)が記録しています。次点はClaude Fable 5.1の74.9%です。公表された結果があるのは50のモデル構成です(Vals AI、結果の日付は2026年10月12日)。給付の申請者がSNAPの受給資格や手続きについて尋ねそうな質問で、制度に照らして採点します。Public Benefits 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)

  • Claude Opus 5がPublic Benefits Bench v1.1の最高スコア76.9%を記録しています(Vals AI、2026年10月12日)。
  • Public Benefits Bench v1.1の2位はClaude Fable 5.1で、74.9%です(Vals AI、2026年10月12日)。
  • Public Benefits Bench v1.1:申請者のためにSNAP(米国の食料支援)の質問に対応するタスク。Vals AIが実施(Vals AI)。
  • BenchLeaderでは50のモデル構成にPublic Benefits Bench v1.1の公表結果があります(BenchLeader、2026年11月16日)。
  • Public Benefits Bench v1.1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)。

申請者のためにSNAP(米国の食料支援)の質問に対応するタスク。Vals AIが実施。

公開元
Vals AI
カテゴリ
知識
Indexでの重み
参考のみ
モデル
50
データ基準日
2026年11月16日

Vals AI (vals.ai).

どんなテストか

給付の申請者がSNAPの受給資格や手続きについて尋ねそうな質問で、制度に照らして採点します。

採点方法

正答率で、Vals AIが実行しています。

注意点

米国に特化しており、制度は時とともに変わります。

50件中50件
#
1Claude Opus 5max76.9%65.0$3.952026-10-12
2Claude Fable 5.1max74.9%66.7$7.482026-10-12
3Muse Wonder Fullmax73.8%61.7$4.642026-10-12
4Claude Opus 5.5max70.6%68.4$5.292026-10-12
5Claude Fable 5max70.4%65.1$4.592026-10-12
6Muse Wondermax70.2%60.8$2.462026-10-12
7Gemini 4 Argonhigh69.8%65.3$2.792026-10-12
8MiMo-V2.6-Pro68.9%57.5$0.0822026-10-12
9Hy468.6%56.7$0.2532026-10-12
10GLM 5.3max68.5%58.8$0.9472026-10-12
11Muse Spark 1.2xhigh68.5%61.5$0.5882026-10-12
12Kimi K3max68.2%60.2$0.9132026-10-12
13Claude Opus 4.8max68.1%61.1$1.892026-10-12
14MiMo-V2.6-Flash67.6%54.8$0.0322026-10-12
15Claude Sonnet 5.5max67.2%64.2$3.762026-10-12
16Qwen3.8 Maxmax67.1%58.7$0.9912026-10-12
17Grok 4.6high66.8%60.6$0.9162026-10-12
18GPT-5.6 Solmax66.5%65.3$8.852026-10-12
19Ember-166.2%–$1.022026-10-12
20Claude Sonnet 5max66.0%56.1$1.292026-10-12
21Grok 4.7xhigh65.6%57.4$2.252026-10-12
22Gemini 3.8 Flashhigh65.3%59.4$1.012026-10-12
23DeepSeek V4.1 Flashmax64.3%58.5$0.0732026-10-12
24MiniMax M364.1%56.1$0.2542026-10-12
25Claude Haiku 5.5max63.2%55.3$0.5252026-10-12
26DeepSeek V4 Promax62.9%54.7$0.4602026-10-12
27Claude Sonnet 4.6max62.5%56.1$1.112026-10-12
28GPT-5.6 Terramax62.4%59.5$1.202026-10-12
29GLM 5.161.8%55.4$0.3412026-10-12
30Muse Spark 1.1xhigh61.3%59.5$0.2782026-10-12
31GPT-5.6 Lunamax61.2%56.2$0.2702026-10-12
32GPT-5.5xhigh60.9%64.1$3.972026-10-12
33Gemini 3.5 Flashhigh59.5%62.5$1.112026-10-12
34Inkling Small59.4%52.0$0.0962026-10-12
35GPT-6.1 Solmax59.3%66.6$0.6912026-10-12
36Inkling58.5%50.4$0.3682026-10-12
37Step 5 Preview58.1%56.0$0.5042026-10-12
38GPT-6 Lunamax57.6%55.1$0.2242026-10-12
39GPT-6 Solmax56.6%62.6$2.492026-10-12
40Kimi K2.656.6%55.1$0.9062026-10-12
41Gemini 3.6 Flashhigh56.6%61.0$0.3852026-10-12
42Claude Haiku 4.554.3%47.7$0.2252026-10-12
43Gemini 3.1 Prohigh53.8%60.4$0.3772026-10-12
44Gemini 3.5 Flash Litehigh51.8%47.8$0.0962026-10-12
45Grok 4.3high51.7%56.5$0.2642026-10-12
46Ling 3.0 Flash50.7%51.7$0.0502026-10-12
47Mercury 2.5high45.3%–$0.0682026-10-12
48Grok 4.1 Fastthinking44.8%55.3$0.0312026-10-12
49Laguna M.143.8%37.3$0.2022026-10-12
50Laguna XS.241.4%36.3$0.1132026-10-12

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「Public Benefits Bench v1.1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_public_benefits

Public Benefits Bench v1.1:よくある質問

Public Benefits Bench v1.1は何を測るベンチマークですか?
給付の申請者がSNAPの受給資格や手続きについて尋ねそうな質問で、制度に照らして採点します。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。
Public Benefits Bench v1.1の最高スコアは?
2026年11月16日時点で、Public Benefits Bench v1.1の最高スコアは76.9%で、Claude Opus 5が記録しています(結果の日付は2026年10月12日)。次点はClaude Fable 5.1の74.9%です。スコアはVals AIの公表値で、毎日読み直しています。
Public Benefits Bench v1.1でトップのAIモデルは?
2026年11月16日時点で、Public Benefits Bench v1.1の首位はClaude Opus 5で、スコアは76.9%です(結果の日付は2026年10月12日)。続いてClaude Fable 5.1(74.9%)です。
Public Benefits Bench v1.1の結果があるモデルはいくつですか?
BenchLeaderでは50のモデル構成にPublic Benefits Bench v1.1の結果があり、すべてVals AIから取得しています。
Public Benefits Bench v1.1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?
Public Benefits Bench v1.1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。
Public Benefits Bench v1.1はBenchLeader Indexに含まれますか?
いいえ。Public Benefits Bench v1.1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。