BenchLMは10月15日(現地時間)、コード生成モデルの性能を評価する主要指標「BenchAlign coding score」に基づくランキングを更新した。全954モデル中150モデルが対象となり、AnthropicのClaude Sonnet 5.5が最高スコアを記録して首位に立った。オープンウェイトモデル部門ではXiaomiのMiMo-V2.6-Proが最上位評価を獲得した。
benchlm.aiが運営するベンチマーク集計サイトは、コード生成分野のモデル評価データを10月15日(現地時間)付で更新しました。この評価の対象は全954モデルで、そのうち150モデルがランク付けされています。評価には26種類のベンチマークのうち11種類が使用され、HumanEval、SWE-bench Verified、LiveCodeBench、CursorBench 3.2、Multi-SWE Bench、React Native Evalsなどが含まれています。
主要指標であるBenchAlign coding scoreに基づく総合ランキングの「Best Coding」部門では、AnthropicのClaude Sonnet 5.5がカテゴリ最高スコア84.2%を記録し、首位を獲得しました。オープンウェイトモデル部門Best open weightでは、XiaomiのMiMo-V2.6-Proが全体スコア73.55%で最上位に入りました。応答速度を測るFastest measured部門ではInceptionのMercury 2.5が740トークン/秒を記録し最速となりました。コンテキストウィンドウの大きさを示すLargest useful context部門では、OpenAIのGPT-6.1 Solが1.05Mトークンのウィンドウを備え最大となっています。
BenchAlign coding scoreに基づく総合順位は以下の通りです。
- Claude Sonnet 5.5(Anthropic)84.2%
- Claude Opus 5.5(Anthropic)82.6%
- Claude Fable 5.1(Anthropic)76.8%
- GPT-6 Astra(OpenAI)75.5%
- Muse Wonder Full(Meta)73.9%
- Gemini 4 Argon(Google)72.3%
ランク付けされたモデルは、独立した検証結果に基づく「Supported」と、不確実性が比較的高いまま順位付けされた「Estimated」の2区分に分類されています。
参考: benchlm.ai — 2026年10月15日 09:00 (JST)
原文ハイライト"Primary score: BenchAlign coding score"