LLMベンチマークスナップショット：2026年9月13日の週

LLMリーダーボードの週間写真が届きました：スナップショット 2026-09-13、5つの独立したソースにわたるものです。今週の見出しは、トップの安定性と、分野による3方向の分裂です。

ソース別リーダー

先週からの変更点

トップではほとんど変化がなく、それが物語です：同じ2つのファミリーが2週連続でボードを分割しています。Anthropicは一般的なテキストと混合タスクのベンチマーク（テキストアリーナ、LiveBench、BenchLM）を所有し、OpenAIは開発者向けボード（Aiderコーディング、webdevアリーナ）を所有しています。リーダーボードでモデルを選ぶ場合、答えは今や本当にどのリーダーボードを選ぶかによって異なります。

ソース間の不一致の視点

単一の「最良モデル」という主張は、3方向の分裂を隠しています：Fable 5.1は3つのボードで#1、GPT-6 Astraは1つ、GPT-5は1つです。だからこそ、私たちは5つすべてを毎日スナップショットするのです - 各ボードは異なるスキルを測定し、その証拠は記録に残ります。

完全なテーブルは/benchmarksで閲覧するか、履歴で経時比較ができます。