評価ソース公式サイト
LiveBench Global Average
LiveBench · 問題セットを継続的に入れ替え、解答は自動で照合できる。問題が変わってもモデルが持ちこたえるかを見る。
AIサイシン での扱い相互参照
配分採点対象外
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（2026 年 10 月以降のリリース）の公式 Global Average を全体の参考として残す。公式サイトが Overall に重みを付けている場合はその重みに従う。正式スコアには互いに重複しない専門タスクを使う。
当サイトでの使い方
元の Global Average は参考として残し、正式な票は互いに重複しない専門タスクに切り替える。
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-5.1Anthropic | 88.0% | ソース既定の構成 |
| 2 | claude-opus-5.5Anthropic | 86.5% | ソース既定の構成 |
| 3 | gpt-6-astraOpenAI | 86.1% | ソース既定の構成 |
| 4 | gpt-6.1-solOpenAI | 85.4% | ソース既定の構成 |
| 5 | gemini-4-argonGoogle | 84.1% | ソース既定の構成 |
| 6 | claude-fable-5Anthropic | 83.6% | ソース既定の構成 |
| 7 | claude-sonnet-5.5Anthropic | 82.5% | ソース既定の構成 |
| 8 | claude-opus-5Anthropic | 82.1% | ソース既定の構成 |
| 9 | gpt-6-solOpenAI | 81.9% | ソース既定の構成 |
| 10 | deepseek-v4.1-flash-1017DeepSeek | 79.2% | ソース既定の構成 |
| 11 | muse-wonder-1.0— | 78.1% | ソース既定の構成 |
| 12 | deepseek-v4.1-flashDeepSeek | 78.0% | ソース既定の構成 |
| 13 | claude-opus-4.8Anthropic | 76.8% | ソース既定の構成 |
| 14 | gpt-5.6-solOpenAI | 76.3% | ソース既定の構成 |
| 15 | claude-haiku-5.5Anthropic | 75.6% | ソース既定の構成 |
| 16 | gpt-5.6-terraOpenAI | 75.0% | ソース既定の構成 |
| 17 | grok-4.6xAI | 74.9% | ソース既定の構成 |
| 18 | mimo-v2.6-proXiaomi | 74.9% | ソース既定の構成 |
| 19 | muse-spark-1.3Meta | 74.8% | ソース既定の構成 |
| 20 | grok-4.7xAI | 74.1% | ソース既定の構成 |
| 21 | minimax-m3.1-flashMiniMax | 73.1% | ソース既定の構成 |
| 22 | claude-sonnet-5Anthropic | 73.0% | ソース既定の構成 |
| 23 | glm-5.3-flashZ.ai | 70.6% | ソース既定の構成 |
| 24 | grok-4.5xAI | 70.1% | ソース既定の構成 |
| 25 | gpt-6-lunaOpenAI | 69.4% | ソース既定の構成 |
| 26 | qwen3.8-flashAlibaba | 68.8% | ソース既定の構成 |
| 27 | gpt-5.5OpenAI | 68.7% | ソース既定の構成 |
| 28 | gemini-3.8-flashGoogle | 67.3% | ソース既定の構成 |
| 29 | gemini-3.7-flashGoogle | 67.2% | ソース既定の構成 |
| 30 | gpt-5.6-lunaOpenAI | 66.1% | ソース既定の構成 |
評価の限界とデータの出典
総合平均は特定能力の変化を薄めるため、相互参照にとどめ、二重計上しない。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
成績は LiveBench が公表したもの。元のスコアと AIサイシン のコンセンサス指数は尺度が異なり、そのまま比較・合算はできない。