Terminal-Bench Scienceのリーダーボード
2026年11月16日時点で、Terminal-Bench Scienceの最高スコアは62.9%で、GPT-6 Astra(OpenAI)が記録しています。次点はClaude Fable 5.2の55.7%です。公表された結果があるのは45のモデル構成です(Vals AI、結果の日付は2026年11月9日)。科学者が作成した、データ処理から分析までの多段階の研究ワークフローを、エージェントがシェル上で完了させます。Terminal-Bench Science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)
- GPT-6 AstraがTerminal-Bench Scienceの最高スコア62.9%を記録しています(Vals AI、2026年11月9日)。
- Terminal-Bench Scienceの2位はClaude Fable 5.2で、55.7%です(Vals AI、2026年11月9日)。
- Terminal-Bench Science:専門家が作成した、ターミナルで行う科学研究のワークフロー。Vals AIが実施(Vals AI)。
- BenchLeaderでは45のモデル構成にTerminal-Bench Scienceの公表結果があります(BenchLeader、2026年11月16日)。
- Terminal-Bench Science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)。
専門家が作成した、ターミナルで行う科学研究のワークフロー。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
- 45
- データ基準日
- 2026年11月16日
Vals AI (vals.ai).
どんなテストか
科学者が作成した、データ処理から分析までの多段階の研究ワークフローを、エージェントがシェル上で完了させます。
採点方法
完了したワークフローの割合で、Vals AIが実行しています。
注意点
分野の知識とツールの両方が重要で、測定されたモデルはまだ少数です。
- 1GPT-6 Astra (max)62.9%
- 2Claude Fable 5.2 (high)55.7%
- 3GPT-6.1 Sol (max)52.9%
- 4Claude Opus 5.5 (max)47.1%
- 5Claude Sonnet 5.5 (max)47.1%
- 6Gemini 4 Argon (high)44.3%
- 7Claude Fable 5.1 (max)40.0%
- 8Muse Wonder Full (max)37.1%
- 9Kimi K3.1 Pro (max)31.4%
- 10GPT-6 Sol (max)30.0%
- 11Claude Opus 5 (max)27.1%
- 12Muse Wonder (max)22.9%
- 13GPT-5.6 Sol (max)20.0%
- 14Claude Fable 5 (max)15.7%
- 15Qwen3.8 Max (max)12.9%
45件中45件
| # | |||||
|---|---|---|---|---|---|
| 1 | 62.9% | 67.3 | $20.80 | 2026-11-09 | |
| 2 | NEW | 55.7% | 68.4 | $23.14 | 2026-11-09 |
| 3 | 52.9% | 66.6 | $3.44 | 2026-11-09 | |
| 4 | 47.1% | 68.4 | $19.12 | 2026-11-09 | |
| 5 | 47.1% | 64.2 | $19.57 | 2026-11-09 | |
| 6 | 44.3% | 65.3 | $44.90 | 2026-11-09 | |
| 7 | 40.0% | 66.7 | $38.01 | 2026-11-09 | |
| 8 | 37.1% | 61.7 | $22.81 | 2026-11-09 | |
| 9 | 31.4% | 59.9 | $8.58 | 2026-11-09 | |
| 10 | 30.0% | 62.6 | $5.82 | 2026-11-09 | |
| 11 | 27.1% | 65.0 | $32.54 | 2026-11-09 | |
| 12 | 22.9% | 60.8 | $19.61 | 2026-11-09 | |
| 13 | 20.0% | 65.3 | $7.32 | 2026-11-09 | |
| 14 | 15.7% | 65.1 | $51.99 | 2026-11-09 | |
| 15 | 12.9% | 58.7 | $16.68 | 2026-11-09 | |
| 16 | 11.4% | 60.6 | $4.82 | 2026-11-09 | |
| 17 | 10.0% | 60.6 | $6.09 | 2026-11-09 | |
| 18 | 10.0% | 59.5 | $5.19 | 2026-11-09 | |
| 19 | 10.0% | 57.4 | $17.04 | 2026-11-09 | |
| 20 | 10.0% | 55.3 | $4.52 | 2026-11-09 | |
| 21 | 8.6% | 59.4 | $5.64 | 2026-11-09 | |
| 22 | 7.1% | 62.1 | $7.19 | 2026-11-09 | |
| 23 | 5.7% | 62.5 | $3.80 | 2026-11-09 | |
| 24 | 5.7% | 58.8 | $15.63 | 2026-11-09 | |
| 25 | 5.7% | 56.1 | $30.30 | 2026-11-09 | |
| 26 | Ember-1 | 5.7% | – | $30.76 | 2026-11-09 |
| 27 | 4.3% | 61.1 | $23.14 | 2026-11-09 | |
| 28 | 4.3% | 61.0 | $4.39 | 2026-11-09 | |
| 29 | 4.3% | 58.1 | $4.41 | 2026-11-09 | |
| 30 | 4.3% | 57.2 | $1.10 | 2026-11-09 | |
| 31 | 4.3% | 55.1 | $0.241 | 2026-11-09 | |
| 32 | 4.3% | 54.8 | $0.244 | 2026-11-09 | |
| 33 | 4.3% | 54.7 | $4.63 | 2026-11-09 | |
| 34 | 2.9% | 57.9 | $5.55 | 2026-11-09 | |
| 35 | 2.9% | 57.5 | $0.621 | 2026-11-09 | |
| 36 | 2.9% | 56.0 | $4.25 | 2026-11-09 | |
| 37 | 2.9% | 52.4 | $0.524 | 2026-11-09 | |
| 38 | 1.4% | 60.4 | $5.91 | 2026-11-09 | |
| 39 | 1.4% | 60.2 | $21.30 | 2026-11-09 | |
| 40 | 1.4% | 56.7 | $2.14 | 2026-11-09 | |
| 41 | 1.4% | 45.9 | – | 2026-11-09 | |
| 42 | 0.0% | 58.5 | $0.473 | 2026-11-09 | |
| 43 | 0.0% | 56.2 | $0.581 | 2026-11-09 | |
| 44 | 0.0% | 52.2 | $11.14 | 2026-11-09 | |
| 45 | 0.0% | – | $0.178 | 2026-11-09 |
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
Terminal-Bench Scienceでの注目のモデル比較
引用表記:BenchLeader「Terminal-Bench Science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_terminal_bench_science
Terminal-Bench Science:よくある質問
- Terminal-Bench Scienceは何を測るベンチマークですか?
- 科学者が作成した、データ処理から分析までの多段階の研究ワークフローを、エージェントがシェル上で完了させます。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。
- Terminal-Bench Scienceの最高スコアは?
- 2026年11月16日時点で、Terminal-Bench Scienceの最高スコアは62.9%で、GPT-6 Astraが記録しています(結果の日付は2026年11月9日)。次点はClaude Fable 5.2の55.7%です。スコアはVals AIの公表値で、毎日読み直しています。
- Terminal-Bench ScienceでトップのAIモデルは?
- 2026年11月16日時点で、Terminal-Bench Scienceの首位はGPT-6 Astraで、スコアは62.9%です(結果の日付は2026年11月9日)。続いてClaude Fable 5.2(55.7%)です。
- Terminal-Bench Scienceの結果があるモデルはいくつですか?
- BenchLeaderでは45のモデル構成にTerminal-Bench Scienceの結果があり、すべてVals AIから取得しています。
- Terminal-Bench Science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?
- Terminal-Bench Science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。
- Terminal-Bench ScienceはBenchLeader Indexに含まれますか?
- いいえ。Terminal-Bench Science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。