ベンチマーク / Agents' Last Exam
Agents' Last Exam
PC・ブラウザ操作・高いほど良い
このベンチマークとは
コンピュータ操作エージェントの合格率を測る評価。
測定者によって値が大きく違う（OpenAI 59.3% / Google 34.2% など）。必ず測定者と条件を確認すること。
＊＝開発元の自社発表。 出典（表）ごとに分けています。同じ表の値どうしは同じ条件で比べられます。
OpenAI の表
OpenAI: GPT-6 Astra 発表（比較表・脚注） ↗比較表の他社モデル数値は OpenAI が掲載したもの。各社最大 effort の値。
- 1
GPT-6 Astra59.3%＊OpenAI・最大effort - 2
Claude Opus 5 過去の版55.5%OpenAI（比較表に掲載）・最大effort - 3GPT-5.6 Sol 過去の版53.6%＊OpenAI・最大effort
- 4Claude Fable 5 過去の版48.7%OpenAI（比較表に掲載）・最大effort
Google DeepMind の表
Google DeepMind: Gemini 4 Argon モデルカード ↗2026年10月時点。比較表の他社数値は Google が掲載したもの。
- 1
Gemini 4 Argon39.5%＊Google・合格率 - 2Claude Opus 5.538.2%Google（比較表に掲載）・合格率
- 3GPT-6 Astra34.2%Google（比較表に掲載）・合格率・Google の測定