[2395] LLM Benchmark Leaderboard 2026: コーディング、数学、推論、エージェント | CodeSOTA

2026年のLLMベンチマークリーダーボードでは、MMLU、GPQA Diamond、AIME 2025、LiveCodeBench Proなどの評価項目で、Gemini 3.1 ProがLiveCodeBench Proで2887のEloを記録。透明性を重視しつつ、ベンチマークの不正利用や汚染に注意を促しています。