文書・オフィス業務のAIランキング

LiveBench 2.0 Data Analysis

高いほど良い
何を測定しますか？
小さな表を扱うデータ分析の問題を正確に解けるかを見ます。
誰がどのように評価しますか？
連続して増える区間の発見、2つの表の列の対応付け、表の形式変換（CSV・JSON・Markdownなど）といった正解が1つの問題に、ツールなしで答えます（2026年10月25日リリースで150問）。答えを正解と照合して採点します。
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。
他のバージョン:LiveBench 2.0LiveBench 2.0 BrowserLiveBench 2.0 CodingLiveBench 2.0 DesignLiveBench 2.0 Long AgenticLiveBench 2.0 ReasoningLiveBench 2.0 Research
最高スコア85.2 / 100Gemini 4 Argon
測定したモデル22件
最終更新2026.11.06
モデルのリリース時期（右が最新）
その時点の最高記録上ほど良い
  1. 🥇GoogleGemini 4 Argon推論強度: High79.7%85.2 / 1001517
  2. 🥈OpenAIGPT-6 Astra推論強度: Max80.7%83.0 / 1001478
  3. 🥉OpenAIGPT-6.1 Sol推論強度: Max84.0%82.7 / 1001483
  4. #4OpenAIGPT-6.1 Terra推論強度: Max82.7%82.3 / 100—
  5. #5AnthropicClaude Fable 5.2推論強度: Extra High—81.5 / 100—
  6. #6AnthropicClaude Fable 5.1推論強度: Max85.3%80.3 / 1001489
  7. #6AnthropicClaude Opus 5.5推論強度: Max84.7%80.3 / 1001493
  8. #8MetaMuse Spark 1.3推論強度: Max83.0%79.6 / 1001497
  9. #9DeepSeekDeepSeek V4.1 Flash 1017推論強度: Max82.7%79.5 / 100—
  10. #10OpenAIGPT-5.6 Terra推論強度: Max83.0%79.3 / 1001466
  11. #11Moonshot AIKimi K3.1 Pro推論強度: Max86.3%79.1 / 1001501
  12. #12Moonshot AIKimi K3推論強度: Max88.7%78.7 / 1001488
  13. #13SpaceXSIGrok 4.7推論強度: Extra High80.0%76.9 / 1001437
  14. #14Mistral AIMistral Large 4推論強度: High81.3%76.5 / 1001449
  15. #15Z.aiGLM 5.3 Flash推論強度: Max80.0%76.4 / 1001471
  16. #16SpaceXSIGrok 4.6推論強度: Extra High81.0%75.3 / 1001446
  17. #17OpenAIGPT-6 Luna推論強度: Max83.3%73.4 / 1001440
  18. #18XiaomiMiMo-V2.6-Pro推論強度: High86.3%72.3 / 1001460
  19. #19AnthropicClaude Sonnet 5.5推論強度: Max82.7%59.5 / 1001472
  20. #20GoogleGemini 3.8 Flash推論強度: High84.0%54.0 / 1001486
  21. #21GoogleGemma 4 31B推論強度: Max69.7%53.3 / 1001449
  22. #22AnthropicClaude Haiku 5.5推論強度: Max82.7%53.1 / 1001431
モデルの半数が78.9 / 100以下最終更新 2026-11-11

「作業ツール」はAIが課題を解くときに使った実行環境（エージェントプログラム）です。同じモデルでも作業ツールと推論の強さによってスコアが大きく変わることがあります。

スコアの出どころ

  • 試験の運営チームによる測定：試験を運営するチームが自ら実行して公開したスコアです。