LiveBench 2.0 Reasoning
高いほど良い
- 何を測定しますか？
- 論理・空間・心の理論（他人の考えの推論）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？
- 正解が1つの短い問題に、ツールなしで1回で答えます（2026年10月25日リリースで202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。
最高スコア95.1 / 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
順位モデル実行条件リリース日価格/1Mスコア
- 1high2026.09.30$895.1 / 100
- 2max2026.09.04$4092.7 / 100
- 3max2026.09.29$892.6 / 100
- 4max2026.09.22$1692.2 / 100
- 5max2026.09.01$4091.7 / 100
- 6max2026.09.28$891.6 / 100
- 7xhigh2026.08.12$591.2 / 100
- 8max2026.10.23$7.9691.1 / 100
- 9max2026.07.17$1290.7 / 100
- 10max2026.07.09$9.5090.6 / 100
「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。