ベンチマーク / CursorBench 4.0
CursorBench 4.0
コーディング・高いほど良い
このベンチマークとは
実際の Cursor の利用セッション由来の、曖昧で複数ファイルにまたがるタスクでコーディングエージェントを評価する。
現場の指示の曖昧さに近い評価。effort（思考量）の設定で値が大きく変わる。
＊＝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。
Anthropic の表
Anthropic: Introducing Claude Opus 5.5 ↗Opus 5.5 は max effort（Terminal-Bench は xhigh）。本番セーフガード有効のため一部で不利。
- 1
Claude Opus 5.557.8%＊Anthropic・max - 2Claude Fable 5.151.8%＊Anthropic・max
- 3Claude Opus 5 過去の版46.6%＊Anthropic・max
- 4
GPT-5.6 Sol 過去の版41.7%Anthropic（比較表に掲載）・最高スコア