JobBench
인용 빈도 2/3
- 무엇을 측정하나요?
- 실제 직장 업무에 가까운 과제로 AI 에이전트(도구를 직접 써서 일을 끝까지 처리하는 AI)의 업무 수행력을 봅니다.
- 누가 어떻게 평가하나요?
- 35개 직업에서 가져온 과제 65개를 AI가 도구를 써서 해내게 하고, 결과 파일까지 살펴보는 채점 기준으로 평가합니다. 운영팀은 모든 모델을 같은 OpenCode 환경에서 잽니다.
- 점수 읽는 법
- 점수는 0~100%입니다. 높을수록 좋습니다.
최고 점수75.4%
측정한 모델30개
측정 기준높을수록 좋음
최근 갱신2026.09.22
모델 출시 시기
긴 문서 여러 개에 흩어진 정보를 모아 답할 수 있을까?Long Context Reasoning
Kimi K3🥇
Kimi K3🥇Long Context Reasoning
Kimi K3🥇표를 읽고 원하는 형태로 정리할 수 있을까?LiveBench 2.0 Data Analysis
Gemini 4 Argon🥇
Gemini 4 Argon🥇LiveBench 2.0 Data Analysis
Gemini 4 Argon🥇대중들이 가장 선호하는 사업 관련 답변을 하는 AI는?Arena Business, Management & Finance
Gemini 4 Argon🥇
Gemini 4 Argon🥇Arena Business, Management & Finance
Gemini 4 Argon🥇
여러 직업의 실제 업무를 해낼 수 있을까?
JobBench
- 🥇AnthropicClaude Opus 5.575.4%
- 🥈MetaMuse Wonder75.3%
- 🥉AnthropicClaude Fable 5.173.1%
- #4OpenAIGPT-6 Astra66.1%
- #5AnthropicClaude Opus 565.7%
- #6MetaMuse Spark 1.364.9%
- #7XiaomiMiMo-V2.6-Pro62.0%
- #8TencentHy4추론 강도: Max61.7%
- #9MetaMuse Spark 1.261.6%
- #10Z.aiGLM 5.361.4%
- #11XiaomiMiMo-V2.6-Flash61.2%
- #12StepfunStep-5추론 강도: High59.0%
- #13AnthropicClaude Fable 557.4%
- #14AlibabaQwen3.8 Flash55.7%
- #15MetaMuse Spark 1.154.7%
- #16Moonshot AIKimi K354.3%
- #17AnthropicClaude Opus 4.848.4%
- #18OpenAIGPT-5.6 Sol45.4%
- #19AnthropicClaude Opus 4.744.5%
- #20Z.aiGLM 5.243.4%
- #21OpenAIGPT-5.538.3%
- #22AnthropicClaude Sonnet 4.636.6%
- #23OpenAIGPT-5.432.2%
- #24GoogleGemini 3.5 Flash31.5%
- #25AlibabaQwen3.7 Plus27.6%
- #26NVIDIANemotron 3 Ultra27.2%
- #27XiaomiMiMo V2.5 Pro25.0%
- #28AnthropicClaude Sonnet 4.520.7%
- #29MetaMuse Spark17.0%
- #30GoogleGemini 3.1 Pro15.9%
모델 절반이 54.5% 이하
"작업 도구"는 AI가 과제를 풀 때 함께 쓴 실행 환경(에이전트 프로그램)입니다. 같은 모델이라도 작업 도구와 추론 강도에 따라 점수가 크게 달라질 수 있습니다.