BenchLeader

Tax Agent Benchのリーダーボード

2026年11月16日時点で、Tax Agent Benchの最高スコアは52.3%で、Gemini 4 Hydrogen(Google)が記録しています。次点はGemini 4 Carbonの51.8%です。公表された結果があるのは83のモデル構成です(Vals AI、結果の日付は2026年11月11日)。ツールを使って税法や規則を調べる必要がある法人税の質問で、税務の専門家が採点します。Tax Agent 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)

  • Gemini 4 HydrogenがTax Agent Benchの最高スコア52.3%を記録しています(Vals AI、2026年11月11日)。
  • Tax Agent Benchの2位はGemini 4 Carbonで、51.8%です(Vals AI、2026年11月11日)。
  • Tax Agent Bench:エージェント型の米国法人税リサーチ。Vals AIが実施(Vals AI)。
  • BenchLeaderでは83のモデル構成にTax Agent Benchの公表結果があります(BenchLeader、2026年11月16日)。
  • Tax Agent 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)。

エージェント型の米国法人税リサーチ。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
83
データ基準日
2026年11月16日

Vals AI (vals.ai).

どんなテストか

ツールを使って税法や規則を調べる必要がある法人税の質問で、税務の専門家が採点します。

採点方法

正答率で、Vals AIが実行しています。

注意点

米国の法人税だけが対象で、ルールは毎年変わります。

83件中83件
#
1NEWGemini 4 Hydrogenxhigh52.3%61.8$3.872026-11-11
2Gemini 4 Carbonhigh51.8%68.9$6.342026-11-11
3Claude Fable 5.1max50.8%66.7$13.182026-11-11
4Qwen3.8 Max Internal49.7%–$4.072026-11-11
5Gemini 4 Argonhigh49.2%65.3$3.472026-11-11
6Claude Opus 5max47.1%65.0$5.142026-11-11
7Claude Opus 5.5max44.5%68.4$14.402026-11-11
8DeepSeek V4.1 Flash 1017max44.4%57.7$0.4592026-11-11
9GLM 5.3max43.3%58.8$1.802026-11-11
10Muse Wonder Fullmax43.0%61.7$2.152026-11-11
11Muse Spark 1.3max42.4%60.6$0.3902026-11-11
12Claude Sonnet 5.5max42.0%64.2$8.732026-11-11
13Inkling 2 Small38.9%57.9$0.1442026-11-11
14Claude Fable 5max38.3%65.1$6.702026-11-11
15NEWMuse Embermax38.2%52.1$0.0322026-11-11
16Muse Spark 1.3xhigh37.9%58.1$0.3202026-11-11
17Muse Wondermax36.3%60.8$1.882026-11-11
18Grok 4.7xhigh35.8%57.4$1.802026-11-11
19Hy434.4%56.7$1.692026-11-11
20Grok 4.6high33.7%60.6$0.9782026-11-11
21Kimi K3max33.4%60.2$2.792026-11-11
22Muse Spark 1.2xhigh32.8%61.5$0.2692026-11-11
23MiMo-V2.6-Pro32.4%57.5$0.1342026-11-11
24MiniMax M3.1 Flashmax32.1%–$0.3212026-11-11
25Gemini 3.8 Flashhigh32.1%59.4$0.8572026-11-11
26Qwen3.8 Maxmax32.1%58.7$1.552026-11-11
27NEWClaude Fable 5.2high32.1%68.4$3.312026-11-11
28Claude Haiku 5.5max31.9%55.3$1.162026-11-11
29GLM 5.3 Flashmax31.6%52.4$0.1382026-11-11
30GPT-5.6 Solmax31.1%65.3$7.512026-11-11
31Ember-131.1%–$2.972026-11-11
32Qwen3.8 27Bxhigh30.9%52.2$0.8152026-11-11
33Mistral Large 4 OSShigh30.7%–$0.5032026-11-11
34Mistral Large 4high30.4%48.3$1.392026-11-11
35GPT-5.6 Terramax30.0%59.5$4.832026-11-11
36Claude Opus 4.8max30.0%61.1$1.692026-11-11
37Claude Sonnet 5max29.4%56.1$1.792026-11-11
38MiMo-V2.6-Flash28.5%54.8$0.0492026-11-11
39DeepSeek V4 Flashhigh28.1%57.2$0.1562026-11-11
40Step 5 Preview27.3%56.0$0.5532026-11-11
41DeepSeek V4 Promax26.8%54.7$0.7292026-11-11
42DeepSeek V4.1 Flashmax26.6%58.5$0.1352026-11-11
43Muse Spark Openxhigh26.3%53.5$0.8842026-11-11
44Claude Sonnet 4.6max25.8%56.1$1.192026-11-11
45Kimi K3.1 Promax24.9%59.9$3.642026-11-11
46Grok 4.5high24.9%56.8$0.4742026-11-11
47GPT-5.6 Lunamax24.8%56.2$0.4652026-11-11
48Claude Opus 4.7max23.7%59.7$1.272026-11-11
49Gemini 3.7 Flashhigh22.8%62.1$0.4842026-11-11
50GPT-5.5xhigh21.8%64.1$4.072026-11-11
51GPT-6.1 Solmax21.8%66.6$1.322026-11-11
52Gemini 3.5 Flashhigh21.6%62.5$0.8602026-11-11
53GPT-6 Astramax20.7%67.3$5.802026-11-11
54Ling 3.0 Flash Af Rc320.6%–$0.0252026-11-11
55MiniMax M320.6%56.1$0.1642026-11-11
56GPT-6 Lunamax19.9%55.1$0.1912026-11-11
57Mercury 3high18.2%–$0.0462026-11-11
58Gemini 3.6 Flashhigh18.0%61.0$0.3562026-11-11
59GPT-6.1 Terramax17.1%64.1$2.162026-11-11
60Qwen3.7max15.8%60.0$0.4352026-11-11

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「Tax Agent 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_tax_agent

Tax Agent Bench:よくある質問

Tax Agent Benchは何を測るベンチマークですか?
ツールを使って税法や規則を調べる必要がある法人税の質問で、税務の専門家が採点します。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。
Tax Agent Benchの最高スコアは?
2026年11月16日時点で、Tax Agent Benchの最高スコアは52.3%で、Gemini 4 Hydrogenが記録しています(結果の日付は2026年11月11日)。次点はGemini 4 Carbonの51.8%です。スコアはVals AIの公表値で、毎日読み直しています。
Tax Agent BenchでトップのAIモデルは?
2026年11月16日時点で、Tax Agent Benchの首位はGemini 4 Hydrogenで、スコアは52.3%です(結果の日付は2026年11月11日)。続いてGemini 4 Carbon(51.8%)です。
Tax Agent Benchの結果があるモデルはいくつですか?
BenchLeaderでは83のモデル構成にTax Agent Benchの結果があり、すべてVals AIから取得しています。
Tax Agent 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?
Tax Agent 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。
Tax Agent BenchはBenchLeader Indexに含まれますか?
いいえ。Tax Agent 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。