LiveBench

Name: LiveBench
Keywords: LiveBench, AIベンチマーク, モデル評価, AIベンチマークランキング, AIモデルの性能

AIベンチマーク結果とモデルの性能

種類: percentage

ベンチマークの出典を見る

記録された結果

平均スコア

62.45%

スコアの範囲

29.60% - 84.60%

最上位モデル

84.60% - o3 mini

スコアの推移

日付ごとの個別ベンチマークスコアです。

モデル結果

組織	モデル	報告日	最高スコア	情報	自己申告	出典
OpenAI	o3 mini	2025年1月30日	84.60%	-	はい	出典
OpenAI	GPT 5.5	2026年4月23日	80.71%	2026-01-08 release; xHigh effort	いいえ	出典
Qwen	Qwen 3 235B A22B Thinking 2507	-	78.40%	2024-11-25	はい	出典
Anthropic	Claude Opus 4.8	2026年5月28日	77.22%	2026-01-08 release; xHigh effort	いいえ	出典
Qwen	Qwen 3 235B A22B	-	77.10%	-	はい	出典
Moonshot	Kimi K2 (2025-09-05)	2025年9月05日	76.40%	Pass@1	はい	出典
Qwen	Qwen 3 A235 A22B Instruct 2507	-	75.40%	2024-11-25	はい	出典
Google	Gemini 3.5 Flash	2026年5月19日	75.02%	2026-01-08 release; high effort	いいえ	出典
Qwen	Qwen 3 32B	-	74.90%	-	はい	出典
OpenAI	o3	2025年4月16日	74.42%	High Reasoning Effort	いいえ	出典
Qwen	Qwen 3 30B A3B	-	74.30%	-	はい	出典
Qwen	Qwen 3 30B A3B Instruct 2507	-	74.30%	inferred version-family alias from qwen3-30b-a3b	はい	出典
Qwen	Qwen 3 30B A3B Thinking 2507	-	74.30%	inferred version-family alias from qwen3-30b-a3b	はい	出典
Qwen	Qwen 3 Coder 30B A3B Instruct	-	74.30%	inferred high-confidence family alias from qwen3-30b-a3b (score=0.5007; benches=8)	はい	出典
Qwen	Qwen 3 Omni 30B A3B Captioner	-	74.30%	inferred family alias from qwen3-30b-a3b (score=0.4129; benches=8)	はい	出典
Qwen	Qwen 3 Omni 30B A3B Instruct	-	74.30%	inferred high-confidence family alias from qwen3-30b-a3b (score=0.4819; benches=8)	はい	出典
Qwen	Qwen 3 Omni 30B A3B Thinking	-	74.30%	inferred high-confidence family alias from qwen3-30b-a3b (score=0.4819; benches=8)	はい	出典
Qwen	Qwen 3.7 Max	2026年5月21日	74.29%	2026-01-08 release	いいえ	出典
DeepSeek	DeepSeek V4 Pro	2026年4月24日	73.58%	2026-01-08 release	いいえ	出典
Qwen	QwQ 32B	-	73.10%	-	はい	出典
Anthropic	Claude Opus 4	2025年5月21日	72.93%	32k Thinking	いいえ	出典
Anthropic	Claude Sonnet 4	2025年5月21日	72.08%	64k Thinking	いいえ	出典
OpenAI	o4 Mini	2025年4月16日	71.52%	High Reasoning Effort	いいえ	出典
Qwen	Qwen 3.6 Plus	2026年4月01日	70.85%	2026-01-08 release	いいえ	出典
DeepSeek	DeepSeek R1 (2025-05-28)	2025年5月28日	69.39%	-	いいえ	出典

公開データの正確性にご協力ください

公開データの正確性にご協力ください

LiveBench

記録された結果

平均スコア

スコアの範囲

最上位モデル

モデル結果