benchlm.aiは2026年11月21日(現地時間)、大規模言語モデル(LLM)のコーディング性能を評価する最新のリーダーボードを公開した。この更新により、Googleの「Gemini 4 Neon」が総合スコア92.9%で首位を獲得。新たな評価項目を含む複数のベンチマークが用いられ、全180モデルのランキングが発表された。

今回の更新されたリーダーボードでは、主要な評価指標であるWeighted Coding Overallスコアに基づいてモデルがランク付けされている。Googleの「Gemini 4 Neon」は92.9%のスコアでトップに立ち、AnthropicのClaude Fable 5.2が92.4%で2位、OpenAIの「GPT-6.2 Astra」が91.9%で3位を占めた。

評価に用いられたベンチマークは、「HumanEval」SWE-bench Verified「LiveCodeBench」に加え、「CursorBench 3.2」「CursorBench 4.0」「CursorBench 4.1」などが含まれる。

Best Coding picksとして、AnthropicのClaude Fable 5.2が92.4 category scoreでベストコーディングモデルに選出された。オープンウェイトモデルではMoonshot AIの「Kimi K3.1 Pro」が70の総合スコアで最高評価を得ている。また、Googleの「Gemini 4 Carbon」が100万トークンあたり10ドルの出力価格でベストバリューモデルとされ、LiquidAIの「LFM2.5-8B-A1B」が1秒あたり335トークンで最速を記録。OpenAIの「GPT-6.2 Astra」は1.05Mのコンテキストウィンドウで最大有用コンテキストを提供するとされている。


参考: benchlm.ai (アーカイブ) — 2026年11月21日 12:30 (JST)

この記事をシェア
X はてブ LinkedIn