OPEN BENCHMARKS
AIモデル性能ランキング
追跡可能なオープンベンチマークで言語・画像・動画・音声モデルを比較します。
モデル比較
0/3このランキングから2~3モデルを選択。同じ出典・版・評価区分の測定値のみ比較します。
| 順位 | モデル | スコア | 開発元 | 出典 |
|---|---|---|---|---|
| 1 | claude-fable-5-1-max-effort | 83.783 score | Anthropic | LiveBench |
| 2 | claude-fable-5-max-effort | 83.383 score | Anthropic | LiveBench |
| 3 | claude-opus-5-5-max-effort | 83.185 score | Anthropic | LiveBench |
| 4 | gpt-6-astra-max | 83.046 score | OpenAI | LiveBench |
| 5 | gpt-6.1-sol-max | 82.487 score | OpenAI | LiveBench |
| 6 | muse-spark-1.3-xhigh | 82.431 score | Unknown | LiveBench |
| 7 | claude-opus-5-5-xhigh-effort | 82.109 score | Anthropic | LiveBench |
| 8 | gpt-6.1-sol-xhigh | 81.827 score | OpenAI | LiveBench |
| 9 | gpt-5.6-sol-max | 81.647 score | OpenAI | LiveBench |
| 10 | deepseek-v4.1-flash-max | 81.447 score | DeepSeek | LiveBench |
| 11 | gpt-5.5-xhigh | 80.785 score | OpenAI | LiveBench |
| 12 | claude-opus-5-max-effort | 80.48 score | Anthropic | LiveBench |
| 13 | gemini-3.7-flash-high | 79.898 score | LiveBench | |
| 14 | gpt-6-sol-max | 79.825 score | OpenAI | LiveBench |
| 15 | smaug-agentic | 79.669 score | Unknown | LiveBench |
| 16 | qwen3.8-max | 79.496 score | Alibaba | LiveBench |
| 17 | kimi-k3 | 79.482 score | Moonshot AI | LiveBench |
| 18 | grok-4.6 | 79.002 score | xAI | LiveBench |
| 19 | muse-spark-1.2-xhigh | 78.915 score | Unknown | LiveBench |
| 20 | gpt-5.4-xhigh | 78.798 score | OpenAI | LiveBench |
| 21 | gpt-5.6-terra-max | 78.634 score | OpenAI | LiveBench |
| 22 | grok-4.7-xhigh | 78.338 score | xAI | LiveBench |
| 23 | claude-sonnet-5-5-xhigh-effort | 78.174 score | Anthropic | LiveBench |
| 24 | deepseek-v4-pro-0813 | 78.158 score | DeepSeek | LiveBench |
| 25 | smaug-flash | 78.026 score | Unknown | LiveBench |
| 26 | gemini-3.1-pro-preview-high | 77.986 score | LiveBench | |
| 27 | deepseek-v4-flash-vision-exp | 77.734 score | DeepSeek | LiveBench |
| 28 | smaug-mini | 77.678 score | Unknown | LiveBench |
| 29 | gemini-3.8-flash-high | 77.486 score | LiveBench | |
| 30 | qwen3.8-flash-next | 77.297 score | Alibaba | LiveBench |
| 31 | claude-opus-4-8-max-effort | 77.149 score | Anthropic | LiveBench |
| 32 | grok-4.5 | 77.051 score | xAI | LiveBench |
| 33 | claude-opus-4-7-xhigh-effort | 77.035 score | Anthropic | LiveBench |
| 34 | glm-5.3 | 76.65 score | Unknown | LiveBench |
| 35 | claude-sonnet-5-xhigh-effort | 76.593 score | Anthropic | LiveBench |
| 36 | muse-spark-1.1-xhigh | 76.028 score | Unknown | LiveBench |
| 37 | qwen3.8-27b | 75.82 score | Alibaba | LiveBench |
| 38 | claude-sonnet-5-5-max-effort | 75.752 score | Anthropic | LiveBench |
| 39 | gemini-3.5-flash-high | 75.437 score | LiveBench | |
| 40 | gpt-5.2-2025-12-11-high | 75.192 score | OpenAI | LiveBench |
| 41 | claude-opus-4-6-thinking-auto-high-effort | 75.132 score | Anthropic | LiveBench |
| 42 | deepseek-v4-flash-0731 | 74.85 score | DeepSeek | LiveBench |
| 43 | gemini-3.6-flash-high | 74.539 score | LiveBench | |
| 44 | qwen3.7-max | 74.099 score | Alibaba | LiveBench |
| 45 | gpt-5.2-codex | 74.034 score | OpenAI | LiveBench |
| 46 | gpt-5.6-luna-max | 73.687 score | OpenAI | LiveBench |
| 47 | claude-sonnet-4-6-thinking-auto-medium-effort | 73.413 score | Anthropic | LiveBench |
| 48 | glm-5.2 | 73.363 score | Unknown | LiveBench |
| 49 | claude-opus-4-5-20251101-thinking-64k-high-effort | 72.939 score | Anthropic | LiveBench |
| 50 | inkling-xhigh | 72.876 score | Unknown | LiveBench |
| 51 | deepseek-v4-pro | 72.554 score | DeepSeek | LiveBench |
| 52 | gpt-6-luna-max | 72.193 score | OpenAI | LiveBench |
| 53 | glm-5.3-flash | 71.138 score | Unknown | LiveBench |
| 54 | kimi-k2.6-thinking | 70.902 score | Moonshot AI | LiveBench |
| 55 | gpt-5.4-nano-xhigh | 70.85 score | OpenAI | LiveBench |
| 56 | ox-alpha-max | 69.242 score | Unknown | LiveBench |
| 57 | qwen3.6-plus | 68.989 score | Alibaba | LiveBench |
| 58 | kimi-k2.7-code | 68.756 score | Moonshot AI | LiveBench |
| 59 | nemotron-3-ultra-550b-a55b | 68.723 score | Unknown | LiveBench |
| 60 | grok-build-0.1 | 68.61 score | xAI | LiveBench |
| 61 | minimax-m3 | 67.527 score | Unknown | LiveBench |
| 62 | gpt-5.4-mini-xhigh | 66.601 score | OpenAI | LiveBench |
| 63 | deepseek-v4-flash | 66.054 score | DeepSeek | LiveBench |
| 64 | qwen3.6-27b | 64.181 score | Alibaba | LiveBench |
| 65 | gemini-3.5-flash-lite-high | 63.816 score | LiveBench | |
| 66 | grok-4.3 | 63.268 score | xAI | LiveBench |
条件に合う測定済みモデルはありません。
EXTERNAL REFERENCE
Artificial Analysis の追加情報
評価スコア以外の観点でもモデルを比較できます。最新データは公式ページで確認してください。
- 知能指数複数の独立評価を統合。指数が高いほど総合結果が優れます。
- コーディング Agentソフトウェア開発タスクの成果、費用、実行時間を比較。
- 専門分野の指標金融、法律、医療、工学などの分野別指標を確認。
- 速度と遅延出力トークン/秒、最初のトークンまでの時間、応答全体の時間を区別。
- 価格とタスク費用100万トークン当たりの単価と評価タスク当たりの費用を区別。
- コンテキストとトークン使用量コンテキスト長とタスク当たりの出力トークン数を確認。
- 公開性公開ウェイト、利用制限、モデルの透明性を比較。
- 多言語能力言語別に独立した多言語指標を確認。主に英語テキストを対象とする知能指数には含まれません。
- 長文書の推論AA-LCR で長文書をまたぐ情報探索と推論を評価。大きなコンテキスト長だけでは正確さは分かりません。
- API プロバイダー同じモデルを提供する各エンドポイントの価格、出力速度、初回応答遅延を比較。
- 知識労働の評価AA-Briefcase で表計算、スライド、メモなどの成果物について、課題達成、分析品質、表現品質を確認。
- モデルリリース比較モデルのリリースと推論設定別の能力、費用、速度、コンテキストを並べて比較。
- モデル推薦ツール知能、速度、費用の優先順位に合わせて公式のモデル候補を確認。
出典と評価方法
LiveBench古いデータ
- バージョン
- 2026-06-25
- ライセンス
- Apache-2.0
- 更新日時
- 2026-06-25T00:00:00.000Z