BenchLeader

Vending-Bench 2のリーダーボード

2026年11月16日時点で、Vending-Bench 2の最高スコアは16484.2で、Gemini 4 Carbon(Google)が記録しています。次点はGPT-6 Astraの15514.7です。公表された結果があるのは72のモデル構成です(Andon Labs、結果の日付は2026年11月10日)。エージェントがシミュレーション上の1年間、自動販売機の事業を運営します。発注、価格設定、仕入れ先との交渉を行い、最終的な残高で採点されます。Vending-Bench 2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 CarbonがVending-Bench 2の最高スコア16484.2を記録しています(Andon Labs、2026年11月10日)。
  • Vending-Bench 2の2位はGPT-6 Astraで、15514.7です(Andon Labs、2026年9月3日)。
  • Vending-Bench 2:模擬の自動販売機ビジネスを1年間運営するタスク(Andon Labs)。
  • BenchLeaderでは72のモデル構成にVending-Bench 2の公表結果があります(BenchLeader、2026年11月16日)。
  • Vending-Bench 2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)。

模擬の自動販売機ビジネスを1年間運営するタスク。

公開元
Andon Labsデータ取得元:Epoch AI Benchmarking Hub
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
72
データ基準日
2026年11月16日
最新の結果
2026年11月10日

CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.

どんなテストか

エージェントがシミュレーション上の1年間、自動販売機の事業を運営します。発注、価格設定、仕入れ先との交渉を行い、最終的な残高で採点されます。

採点方法

シミュレーション上のドルでの最終残高で、Andon Labsが公表しています。

注意点

パーセントではなくドルの金額です。試されるのは長期にわたる一貫性です。

上位15
  1. 1Gemini 4 Carbon16484.2
  2. 2GPT-6 Astra15514.7
  3. 3GPT-6 Sol14427.9
  4. 4Gemini 4 Argon13718.2
  5. 5GPT-6.1 Sol12860.6
  6. 6Claude Opus 511181.9
  7. 7Claude Sonnet 5.511165.3
  8. 8Claude Opus 4.710936.8
  9. 9Grok 4.710536.8
  10. 10GPT-5.6 Sol9619.4
  11. 11Muse Wonder9432.2
  12. 12Claude Opus 5.59235.3
  13. 13GPT-6.1 Terra9107.5
  14. 14Grok 4.69047.0
  15. 15GLM 5.28313.8
72件中72件
#
1Gemini 4 Carbon16484.2–2026-11-10
2GPT-6 Astra15514.766.42026-09-03
3GPT-6 Sol14427.9–2026-09-22
4Gemini 4 Argon13718.264.42026-10-13
5GPT-6.1 Sol12860.662.02026-09-29
6Claude Opus 511181.963.22026-07-24
7Claude Sonnet 5.511165.3–2026-09-28
8Claude Opus 4.710936.863.12026-04-16
9Grok 4.710536.8–2026-09-21
10GPT-5.6 Sol9619.454.32026-07-09
11Muse Wonder9432.264.42026-10-12
12Claude Opus 5.59235.361.02026-09-22
13GPT-6.1 Terra9107.5–2026-10-26
14Grok 4.69047.0–2026-08-12
15GLM 5.28313.851.92026-06-16
16GLM 5.38163.6–2026-08-14
17Claude Opus 4.68017.662.12026-02-05
18GPT-5.57523.861.02026-04-23
19GPT-5.6 Terra7343.2–2026-07-09
20Claude Sonnet 4.67204.157.62026-02-17
21Muse Spark 1.16520.562.22026-07-09
22Claude Sonnet 56377.753.02026-06-30
23Kimi K2.66204.655.12026-04-20
24GPT-5.46144.257.92026-03-05
25GPT-5.3-Codex5940.1–2026-02-05
26Claude Opus 4.85787.458.72026-05-28
27Claude Fable 5high5680.363.92026-06-09
28GLM 5.15634.455.42026-04-07
29Gemini 3 Pro5478.260.02025-11-18
30Claude Fable 5.15421.666.42026-09-01
31Gemini 3.5 Flash5396.4–2026-05-19
32Kimi K35165.060.72026-07-16
33Qwen3.6 Plus5114.959.02026-03-31
34Gemini 3.8 Flash5093.856.42026-09-02
35Kimi K2.7 Code5082.953.92026-06-12
36Claude Fable 5low5018.5–2026-06-09
37Claude Opus 4.54967.157.12025-11-24
38Claude Fable 5max4966.665.12026-06-09
39Grok 4.204662.9–2026-02-17
40Claude Fable 54529.965.42026-06-09
41GLM-54432.154.92026-02-11
42Claude Fable 5medium4339.8–2026-06-09
43Qwen3.6 Maxmax4254.262.12026-04-20
44GPT-5.6 Luna4094.747.22026-07-09
45Grok 4.53887.459.32026-07-08
46Claude Sonnet 4.53838.753.82025-09-29
47Gemini 3.1 Pro Customtools3774.3–2026-02-19
48Gemini 3 Flash3634.756.52025-12-17
49Claude Haiku 5.53602.5–2026-10-07
50GPT-5.23591.356.72025-12-11
51DeepSeek V4 Pro3284.553.02026-04-24
52Claude Opus 4.8max2992.361.12026-05-28
53GLM 4.72376.851.72025-12-22
54MiniMax M32157.856.12026-06-01
55GPT-5.11473.456.12025-11-13
56Kimi K2.51198.554.62026-01-27
57Grok 4.1 Fastthinking1106.655.32025-11-19
58DeepSeek V3.2103450.22025-09-29
59Gemini 3.1 Pro911.259.92026-02-19
60Gemini 2.5 Pro573.655.22025-06-17

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「Vending-Bench 2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/vending_bench_2

Vending-Bench 2:よくある質問

Vending-Bench 2は何を測るベンチマークですか?
エージェントがシミュレーション上の1年間、自動販売機の事業を運営します。発注、価格設定、仕入れ先との交渉を行い、最終的な残高で採点されます。スコアはスコアで示され、高いほど良い結果です。
Vending-Bench 2の最高スコアは?
2026年11月16日時点で、Vending-Bench 2の最高スコアは16484.2で、Gemini 4 Carbonが記録しています(結果の日付は2026年11月10日)。次点はGPT-6 Astraの15514.7です。スコアはAndon Labsの公表値で、毎日読み直しています。
Vending-Bench 2でトップのAIモデルは?
2026年11月16日時点で、Vending-Bench 2の首位はGemini 4 Carbonで、スコアは16484.2です(結果の日付は2026年11月10日)。続いてGPT-6 Astra(15514.7)です。
Vending-Bench 2の結果があるモデルはいくつですか?
BenchLeaderでは72のモデル構成にVending-Bench 2の結果があり、すべてAndon Labs(Epoch AI Benchmarking Hub経由)から取得しています。
Vending-Bench 2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?
Vending-Bench 2はAndon Labs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。
Vending-Bench 2はBenchLeader Indexに含まれますか?
いいえ。Vending-Bench 2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。