評価ソース公式サイト
LiveBench · コーディング
LiveBench / コーディング · 大規模な実運用コードベースの実在バグを修正する Coding カテゴリの成績。
AIサイシン での扱いランキング採用
配分2.4%
元データの日時10/24 01:53
最終同期10/24 02:22
何を、どう測るか
最新世代の公式 Coding カテゴリ成績をそのまま使う。2026 年 10 月の新世代リリースで旧来の Coding と Agentic Coding はこの 1 カテゴリに置き換わった。
当サイトでの使い方
カテゴリ成績を 1 つの証拠としてランキングに加え、各専門項目は LiveBench の証拠ファミリーを共有する。Global Average は参考のみで、二重計上しない。
評価成績
一定のルールに従い、公開モデルごとに代表的な構成を一つ採用する。匿名のテスト版モデルは表示せず、元の順位をそのまま残す。各項目最大 30 件。
| 元の順位 | モデル名 | 元スコア | 代表構成 |
|---|---|---|---|
| 1 | claude-fable-5Anthropic | 98.3% | ソース既定の構成 |
| 2 | claude-fable-5.1Anthropic | 97.7% | ソース既定の構成 |
| 3 | claude-opus-5.5Anthropic | 96.3% | ソース既定の構成 |
| 4 | gpt-6.1-solOpenAI | 96.0% | ソース既定の構成 |
| 4 | deepseek-v4.1-flash-1017DeepSeek | 96.0% | ソース既定の構成 |
| 6 | claude-sonnet-5.5Anthropic | 94.7% | ソース既定の構成 |
| 7 | grok-4.5xAI | 94.3% | ソース既定の構成 |
| 8 | gpt-6-astraOpenAI | 93.7% | ソース既定の構成 |
| 9 | gpt-6-solOpenAI | 93.1% | ソース既定の構成 |
| 10 | claude-haiku-5.5Anthropic | 91.4% | ソース既定の構成 |
| 11 | claude-opus-5Anthropic | 90.8% | ソース既定の構成 |
| 12 | deepseek-v4.1-flashDeepSeek | 90.2% | ソース既定の構成 |
| 12 | muse-spark-1.3Meta | 90.2% | ソース既定の構成 |
| 14 | gemini-4-argonGoogle | 89.7% | ソース既定の構成 |
| 14 | gpt-5.6-solOpenAI | 89.7% | ソース既定の構成 |
| 16 | grok-4.6xAI | 89.1% | ソース既定の構成 |
| 17 | qwen3.8-flashAlibaba | 87.4% | ソース既定の構成 |
| 18 | qwen3.8-27bAlibaba | 86.8% | ソース既定の構成 |
| 19 | muse-wonder-1.0— | 86.2% | ソース既定の構成 |
| 19 | gpt-5.6-terraOpenAI | 86.2% | ソース既定の構成 |
| 21 | step-5-previewStepFun | 85.6% | ソース既定の構成 |
| 22 | gpt-5.5OpenAI | 85.1% | ソース既定の構成 |
| 23 | gpt-6-lunaOpenAI | 84.5% | ソース既定の構成 |
| 23 | grok-4.7xAI | 84.5% | ソース既定の構成 |
| 25 | minimax-m3.1-flashMiniMax | 83.9% | ソース既定の構成 |
| 25 | beam-1.0Reflection | 83.9% | ソース既定の構成 |
| 27 | glm-5.3Z.ai | 82.8% | ソース既定の構成 |
| 28 | gemini-3.8-flashGoogle | 82.2% | ソース既定の構成 |
| 29 | mimo-v2.6-proXiaomi | 81.5% | ソース既定の構成 |
| 30 | glm-5.3-flashZ.ai | 80.6% | ソース既定の構成 |
評価の限界とデータの出典
固定スナップショット上のバグ修正を測るもので、ゼロからの開発や設計の力までは表さない。公式ページでカテゴリやファインチューニング済みモデルの有無を切り替えると、スコアと順位も変わる。運営に関わる Abacus.AI は Smaug モデルも開発しており、その独自成績には他の独立ソースによる裏付けが必要である。
データライセンス：Apache 2.0
カテゴリ成績は LiveBench が公表したもので、当サイトはそのまま順位付けに使う。元のスコアと当サイトのコンセンサス指数は尺度が異なり、そのまま足し合わせることはできない。