BenchLeader

品質:BenchLeader Index

すべての品質ベンチマークを合わせた複合指標です。ベンチマークごとに正規化し、カテゴリごとに平均します。2つのカテゴリにまたがる5つ以上のベンチマーク結果が必要です。 LLMリーダーボードの全体版では、速度、価格、すべての構成も見られます。

2026年11月16日時点で、BenchLeader は「品質」ボードでClaude Fable 5.2を1位としています(72.7)。続いてGemini 4 Carbon(68.9)、Claude Opus 5.5(68.4)です。

608モデル · 2026年11月16日時点のデータ

339件中339件
#
1NEWClaude Fable 5.2max72.7Anthropic
2Gemini 4 Carbonhigh68.9Google
3Claude Opus 5.5max68.4Anthropic
4GPT-6 Astramax67.3OpenAI
5Claude Fable 5.1max66.7Anthropic
6GPT-6.1 Solmax66.6OpenAI
7Claude Fable 565.4Anthropic
8GPT-5.6 Solmax65.3OpenAI
9Gemini 4 Argonhigh65.3Google
10Claude Opus 5max65.0Anthropic
11Muse Wonder64.4Meta
12Muse Spark64.2Meta
13Claude Sonnet 5.5max64.2Anthropic
14GPT-5.5xhigh64.1OpenAI
15GPT-6.1 Terramax64.1OpenAI
16NEWGemini 4 Hydrogenhigh63.4Google
17GPT-5.4xhigh63.1OpenAI
18Claude Opus 4.763.1Anthropic
19GPT-5.4 Pro63.1OpenAI
20GPT-5.3-Codexxhigh62.9OpenAI
21GPT-6 Solmax62.6OpenAI
22Gemini 3.5 Flashhigh62.5Google
23Claude Opus 4.6high62.5Anthropic
24Muse Spark 1.162.2Meta
25Gemini 3.7 Flashhigh62.1Google
26Qwen3.6 Maxmax62.1Alibaba
27Kimi K3.1 Pro61.8Moonshot AI
28Muse Wonder Fullmax61.7Meta
29Muse Spark 1.361.6Meta
30Muse Spark 1.2xhigh61.5Meta
31Claude Opus 4.8max61.1Anthropic
32Gemini 3.6 Flashhigh61.0Google
33Kimi K360.7Moonshot AI
34Grok 4.6high60.6SpaceXAI
35o360.4OpenAI
36Gemini 3.1 Prohigh60.4Google
37Gemini 3.8 Flashmedium60.2Google
38GLM-5thinking60.2Zhipu AI
39GPT-5.6 Terraxhigh60.1OpenAI
40Gemini 3 Pro60.0Google
41Qwen3.7max60.0Alibaba
42Kimi K3.1 Pro Togethermax60.0Moonshot AI
43GPT-5.2xhigh59.9OpenAI
44Claude Opus 4.5high59.7Anthropic
45GPT-5 Pro59.6OpenAI
46Kimi K2.5thinking59.4Moonshot AI
47Grok 4.559.3SpaceXAI
48Kimi K2.6thinking59.3Moonshot AI
49Mimo v2 Pro59.1Xiaomi
50Qwen3.6 Plus59.0Alibaba
51GPT-5medium59.0OpenAI
52Claude Sonnet 5high59.0Anthropic
53GLM 5.2max58.9Zhipu AI
54Gemini 3 Flashthinking58.9Google
55GLM 5.3max58.8Zhipu AI
56Mimo v2 Omni58.8Xiaomi
57Qwen3.8 Maxmax58.7Alibaba
58GPT-5-Codexhigh58.6OpenAI
59DeepSeek V4.1 Flashmax58.5DeepSeek
60Grok 4.20 Multi-Agent58.5SpaceXAI

よくある質問

リーダーボードで最も優れたLLMは?
2026年11月16日時点で、AnthropicのClaude Fable 5.2(推論エフォート max)が BenchLeader Index 72.7 ±4.3で首位です。
なぜ上位に同点のモデルが多いのですか?
根拠となるデータで差をつけられないからです。2026年11月16日時点で、5の構成が首位の誤差範囲内に入っています。各スコアの横の±は、そのベンチマーク結果どうしのばらつきの大きさです。互いの誤差範囲内にある2つのモデルは品質では同点で、価格や速度で選ぶことになります。
BenchLeader Index はどう計算されますか?
各ベンチマークのスコアを、評価対象モデルの平均が50、1標準偏差が15ポイントになるよう標準化し、カテゴリ(コーディング、推論、数学など)ごとに平均したうえで、カテゴリをまとめて BenchLeader Index にします。ランク入りには2つ以上のカテゴリで5つ以上の第三者の結果が必要で、根拠の少ないスコアは50に向けて縮小します。詳しくは算出方法のページをご覧ください。

引用表記:BenchLeader「品質:BenchLeader Index」2026年11月16日時点のデータ、https://www.benchleader.com/ja/leaderboards/quality