BenchLeader

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。

34件中34件
#
1DeepSeek V4.1 Flashhigh69.8%55.6$0.0852026-10-29
2Grok 4.5high66.0%56.8$0.5782026-10-29
3Gemini 3.7 Flashhigh65.9%62.1$1.802026-10-29
4GPT-5.562.6%61.0$1.572026-10-29
5GPT-5.5xhigh62.2%64.1$2.542026-10-29
6Claude Fable 5.1max61.5%66.7$4.522026-10-29
7GPT-5.6 Lunamax60.5%56.2$0.2072026-10-29
8Claude Opus 5max60.4%65.0$2.512026-10-29
9Claude Opus 4.8max59.2%61.1$4.772026-10-29
10Muse Spark 1.1xhigh59.2%59.5$0.4492026-10-29
11GPT-5.6 Terramax58.9%59.5$1.752026-10-29
12Gemini 3.8 Flashhigh58.0%59.4$2.342026-10-29
13Grok 4.6high55.8%60.6$0.9212026-10-29
14Qwen3.7 Plus54.3%57.6$0.1372026-10-29
15GPT-5.6 Solmax54.1%65.3$4.142026-10-29
16DeepSeek V4 Promax53.8%54.7$0.3752026-10-29
17Muse Spark 1.2xhigh53.0%61.5$0.6492026-10-29
18Gemini 3.5 Flashhigh52.7%62.5$1.252026-10-29
19GPT-5.4xhigh51.7%63.1$2.042026-10-29
20MiniMax M351.5%56.1$0.5052026-10-29
21DeepSeek V4 Flashhigh50.7%57.2$0.1262026-10-29
22Kimi K2.7 Code50.0%53.9$0.4432026-10-29
23Claude Sonnet 4.6max49.0%56.1$1.382026-10-29
24GLM 5.3max47.5%58.8$0.7142026-10-29
25Claude Sonnet 5max46.5%56.1$2.902026-10-29
26GLM 5.2max45.1%58.9$0.8112026-10-29
27Qwen3.8 Maxmax42.0%58.7$0.5252026-10-29
28Grok 4.3high40.6%56.5$0.4202026-10-29
29GLM 5.3 Flashmax40.2%52.4$0.0782026-10-29
30Qwen3.8 27Bxhigh38.1%52.2$0.8182026-10-29
31Inkling Small33.6%52.0$0.1482026-10-29
32Ling 3.0 Flash27.9%51.7$0.0612026-10-29
33Inkling26.1%50.4$0.8272026-10-29
34Mercury 2.5high18.1%–$0.1012026-10-29

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

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。