SkillsBenchのリーダーボード
別の検索名:SkillsBench (with skills) · Vals AI
2026年11月16日時点で、SkillsBench(別名SkillsBench (with skills))の最高スコアは69.8%で、DeepSeek V4.1 Flash(DeepSeek)が記録しています。次点はGrok 4.5の66.0%です。公表された結果があるのは34のモデル構成です(Vals AI、結果の日付は2026年10月29日)。再利用可能なスキルのライブラリがある場合とない場合でエージェントにタスクを完了させ、スキルを使える場合のタスク成功度をスコアにします。SkillsBench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)
- DeepSeek V4.1 FlashがSkillsBenchの最高スコア69.8%を記録しています(Vals AI、2026年10月29日)。
- SkillsBenchの2位はGrok 4.5で、66.0%です(Vals AI、2026年10月29日)。
- SkillsBench:再利用できるスキルが、エージェントのタスク完了にどれだけ役立つか。Vals AIが実施(Vals AI)。
- BenchLeaderでは34のモデル構成にSkillsBenchの公表結果があります(BenchLeader、2026年11月16日)。
- SkillsBench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)。
再利用できるスキルが、エージェントのタスク完了にどれだけ役立つか。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
- 34
- データ基準日
- 2026年11月16日
Vals AI (vals.ai).
どんなテストか
再利用可能なスキルのライブラリがある場合とない場合でエージェントにタスクを完了させ、スキルを使える場合のタスク成功度をスコアにします。
採点方法
完了したタスクの割合で、Vals AIが実行しています。
注意点
エージェント設計上の特定の選択を測るもので、一般的な能力のテストではありません。
- 1DeepSeek V4.1 Flash (high)69.8%
- 2Grok 4.5 (high)66.0%
- 3Gemini 3.7 Flash (high)65.9%
- 4GPT-5.562.6%
- 5GPT-5.5 (xhigh)62.2%
- 6Claude Fable 5.1 (max)61.5%
- 7GPT-5.6 Luna (max)60.5%
- 8Claude Opus 5 (max)60.4%
- 9Claude Opus 4.8 (max)59.2%
- 10Muse Spark 1.1 (xhigh)59.2%
- 11GPT-5.6 Terra (max)58.9%
- 12Gemini 3.8 Flash (high)58.0%
- 13Grok 4.6 (high)55.8%
- 14Qwen3.7 Plus54.3%
- 15GPT-5.6 Sol (max)54.1%
34件中34件
| # | |||||
|---|---|---|---|---|---|
| 1 | 69.8% | 55.6 | $0.085 | 2026-10-29 | |
| 2 | 66.0% | 56.8 | $0.578 | 2026-10-29 | |
| 3 | 65.9% | 62.1 | $1.80 | 2026-10-29 | |
| 4 | 62.6% | 61.0 | $1.57 | 2026-10-29 | |
| 5 | 62.2% | 64.1 | $2.54 | 2026-10-29 | |
| 6 | 61.5% | 66.7 | $4.52 | 2026-10-29 | |
| 7 | 60.5% | 56.2 | $0.207 | 2026-10-29 | |
| 8 | 60.4% | 65.0 | $2.51 | 2026-10-29 | |
| 9 | 59.2% | 61.1 | $4.77 | 2026-10-29 | |
| 10 | 59.2% | 59.5 | $0.449 | 2026-10-29 | |
| 11 | 58.9% | 59.5 | $1.75 | 2026-10-29 | |
| 12 | 58.0% | 59.4 | $2.34 | 2026-10-29 | |
| 13 | 55.8% | 60.6 | $0.921 | 2026-10-29 | |
| 14 | 54.3% | 57.6 | $0.137 | 2026-10-29 | |
| 15 | 54.1% | 65.3 | $4.14 | 2026-10-29 | |
| 16 | 53.8% | 54.7 | $0.375 | 2026-10-29 | |
| 17 | 53.0% | 61.5 | $0.649 | 2026-10-29 | |
| 18 | 52.7% | 62.5 | $1.25 | 2026-10-29 | |
| 19 | 51.7% | 63.1 | $2.04 | 2026-10-29 | |
| 20 | 51.5% | 56.1 | $0.505 | 2026-10-29 | |
| 21 | 50.7% | 57.2 | $0.126 | 2026-10-29 | |
| 22 | 50.0% | 53.9 | $0.443 | 2026-10-29 | |
| 23 | 49.0% | 56.1 | $1.38 | 2026-10-29 | |
| 24 | 47.5% | 58.8 | $0.714 | 2026-10-29 | |
| 25 | 46.5% | 56.1 | $2.90 | 2026-10-29 | |
| 26 | 45.1% | 58.9 | $0.811 | 2026-10-29 | |
| 27 | 42.0% | 58.7 | $0.525 | 2026-10-29 | |
| 28 | 40.6% | 56.5 | $0.420 | 2026-10-29 | |
| 29 | 40.2% | 52.4 | $0.078 | 2026-10-29 | |
| 30 | 38.1% | 52.2 | $0.818 | 2026-10-29 | |
| 31 | 33.6% | 52.0 | $0.148 | 2026-10-29 | |
| 32 | 27.9% | 51.7 | $0.061 | 2026-10-29 | |
| 33 | 26.1% | 50.4 | $0.827 | 2026-10-29 | |
| 34 | 18.1% | – | $0.101 | 2026-10-29 |
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
SkillsBenchでの注目のモデル比較
引用表記:BenchLeader「SkillsBench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_skillsbench
SkillsBench:よくある質問
- SkillsBenchは何を測るベンチマークですか?
- 再利用可能なスキルのライブラリがある場合とない場合でエージェントにタスクを完了させ、スキルを使える場合のタスク成功度をスコアにします。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。
- SkillsBenchの最高スコアは?
- 2026年11月16日時点で、SkillsBenchの最高スコアは69.8%で、DeepSeek V4.1 Flashが記録しています(結果の日付は2026年10月29日)。次点はGrok 4.5の66.0%です。スコアはVals AIの公表値で、毎日読み直しています。
- SkillsBenchでトップのAIモデルは?
- 2026年11月16日時点で、SkillsBenchの首位はDeepSeek V4.1 Flashで、スコアは69.8%です(結果の日付は2026年10月29日)。続いてGrok 4.5(66.0%)です。
- SkillsBenchの結果があるモデルはいくつですか?
- BenchLeaderでは34のモデル構成にSkillsBenchの結果があり、すべてVals AIから取得しています。
- SkillsBench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?
- SkillsBench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。
- SkillsBenchはBenchLeader Indexに含まれますか?
- いいえ。SkillsBench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。