LiveBench 2.0 Browser

何を測定しますか？

実際に動くWebアプリで、複数段階の作業をブラウザでこなせるかを見ます。

誰がどのように評価しますか？

オンラインショップ・プロジェクトボード・予約・経費台帳・サポート窓口・Wikiのアプリを画面キャプチャで見ながら操作します（2026年10月25日リリースで25件）。答えとアプリに残ったデータを期待結果と照合し、合格した課題の割合を数えます。

スコアの読み方

スコアは出典の発表値そのままです。高いほど良い結果です。画面キャプチャを見られないモデルはこの科目をこなせず0点です。