BenchLeader

ANLIのリーダーボード

2026年11月16日時点で、ANLIの最高スコアは58.1%で、GPT 3.5 Turbo 1106とPhi 3 Smallが並んでいます。次点はLlama 3-8Bの57.3%です。公表された結果があるのは11のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2023年11月6日)。敵対的に作成された自然言語推論の問題です。ANLIは参考として掲載しており、BenchLeader Indexには含まれません。

要点(2026年11月16日時点)

  • GPT 3.5 Turbo 1106とPhi 3 SmallがANLIの最高スコア58.1%で並んでいます(Epoch AI Benchmarking Hub、2026年11月16日)。
  • ANLI:敵対的に作られた自然言語推論。2019年のベンチマークで、現在のモデルでは飽和しており、記録として残しています(Epoch AI Benchmarking Hub)。
  • BenchLeaderでは11のモデル構成にANLIの公表結果があります(BenchLeader、2026年11月16日)。
  • ANLIはBenchLeader Indexには反映されず、参考として掲載しています(BenchLeaderの評価方法)。

敵対的に作られた自然言語推論。2019年のベンチマークで、現在のモデルでは飽和しており、記録として残しています。

公開元
Epoch AI Benchmarking Hub
カテゴリ
推論
Indexでの重み
参考のみ
モデル
11
データ基準日
2026年11月16日

CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.

どんなテストか

敵対的に作成された自然言語推論の問題です。

採点方法

正答率で、公表された結果をEpoch AIがまとめたものです。

注意点

飽和しています。最先端のモデルは上限近くに達しているため、差がつくのは古いモデルや小型モデルだけで、結果の大半はプロバイダー自身の報告によるものです。

上位15
  1. 1GPT 3.5 Turbo 110658.1%
  2. 2Phi 3 Small58.1%
  3. 3Llama 3-8B57.3%
  4. 4Phi 3 (medium)55.8%
  5. 5Mixtral 8x7B55.2%
  6. 6Phi 3 Mini52.8%
  7. 7Gemma 7B48.7%
  8. 8Mistral 7B v0.347.1%
  9. 9Phi-242.5%
  10. 10Megatron-Turing NLG 530B39.7%
  11. 11InstructGPT 175B35.4%
11件中11件
#
1GPT 3.5 Turbo 110658.1%38.42023-11-06
2Phi 3 Small58.1%–2024-04-23
3Llama 3-8B57.3%34.82024-04-18
4Phi 3medium55.8%37.82024-04-23
5Mixtral 8x7B55.2%30.82023-12-11
6Phi 3 Mini52.8%36.72024-04-23
7Gemma 7B48.7%–2024-02-21
8Mistral 7B v0.347.1%28.92023-09-27
9Phi-242.5%–2023-12-12
10Megatron-Turing NLG 530B39.7%–2021-10-11
11InstructGPT 175B35.4%–2022-01-27

推論のベンチマークをもっと見る · LLMベンチマーク一覧

引用表記:BenchLeader「ANLIのリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/anli

ANLI:よくある質問

ANLIは何を測るベンチマークですか?
敵対的に作成された自然言語推論の問題です。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
ANLIの最高スコアは?
2026年11月16日時点で、ANLIの最高スコアは58.1%で、GPT 3.5 Turbo 1106とPhi 3 Smallが並んでいます。次点はLlama 3-8Bの57.3%です。スコアはEpoch AI Benchmarking Hubの公表値で、毎日読み直しています。
ANLIでトップのAIモデルは?
2026年11月16日時点で、GPT 3.5 Turbo 1106とPhi 3 Smallが58.1%でANLIの首位に並んでいます。
ANLIの結果があるモデルはいくつですか?
BenchLeaderでは11のモデル構成にANLIの結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
ANLIを運営しているのは誰で、どのくらいの頻度で更新されますか?
ANLIはEpoch AI Benchmarking Hubが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
ANLIはBenchLeader Indexに含まれますか?
いいえ。ANLIは参考として掲載していますが、総合スコアには含めていません。