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
- 1Claude Fable 5.2 (max)72.7
- 2Gemini 4 Carbon (high)68.9
- 3Claude Opus 5.5 (max)68.4
- 4GPT-6 Astra (max)67.3
- 5Claude Fable 5.1 (max)66.7
- 6GPT-6.1 Sol (max)66.6
- 7Claude Fable 565.4
- 8GPT-5.6 Sol (max)65.3
- 9Gemini 4 Argon (high)65.3
- 10Claude Opus 5 (max)65.0
- 11Muse Wonder64.4
- 12Muse Spark64.2
- 13Claude Sonnet 5.5 (max)64.2
- 14GPT-5.5 (xhigh)64.1
- 15GPT-6.1 Terra (max)64.1
339件中339件
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