ARC (AI2 Challenge)のリーダーボード
2026年11月16日時点で、ARC (AI2 Challenge)の最高スコアは95.3%で、DeepSeek V3とLlama 3.1 405Bが並んでいます。次点はQwen2.5 72Bの94.5%です。公表された結果があるのは77のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2024年12月26日)。小学校レベルの理科の問題(チャレンジセット)です。ARC (AI2 Challenge)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)
- DeepSeek V3とLlama 3.1 405BがARC (AI2 Challenge)の最高スコア95.3%で並んでいます(Epoch AI Benchmarking Hub、2026年11月16日)。
- ARC (AI2 Challenge):小学校レベルの理科の問題(チャレンジセット)。2018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77のモデル構成にARC (AI2 Challenge)の公表結果があります(BenchLeader、2026年11月16日)。
- ARC (AI2 Challenge)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)。
小学校レベルの理科の問題(チャレンジセット)。2018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。
- カテゴリ
- 推論
- Indexでの重み
- 参考のみ
- モデル
- 77
- 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
小学校レベルの理科の問題(チャレンジセット)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。
- 1DeepSeek V395.3%
- 2Llama 3.1 405B95.3%
- 3Qwen2.5 72B94.5%
- 4Deepseek v292.2%
- 5Phi 3 (medium)91.6%
- 6Phi 3 Small90.7%
- 7GPT 3.5 Turbo 110687.4%
- 8Mixtral 8x7B87.3%
- 9Claude Instant 1.286.3%
- 10Stable Beluga 286.1%
- 11Claude Instant 1.185.7%
- 12PaLM 540B85.2%
- 13text-davinci-00285.2%
- 14Phi 3 Mini84.9%
- 15Qwen-14B84.4%
77件中77件
| # | ||||
|---|---|---|---|---|
| 1 | 95.3% | 44.3 | 2024-12-26 | |
| 2 | 95.3% | 41.8 | 2024-07-23 | |
| 3 | 94.5% | 43.1 | 2024-09-19 | |
| 4 | 92.2% | – | 2024-05-07 | |
| 5 | 91.6% | 37.8 | 2024-04-23 | |
| 6 | 90.7% | – | 2024-04-23 | |
| 7 | 87.4% | 38.4 | 2023-11-06 | |
| 8 | 87.3% | 30.8 | 2023-12-11 | |
| 9 | 86.3% | – | 2023-08-09 | |
| 10 | 86.1% | – | 2023-07-20 | |
| 11 | 85.7% | – | – | |
| 12 | 85.2% | – | 2022-04-04 | |
| 13 | 85.2% | – | 2022-03-15 | |
| 14 | 84.9% | 36.7 | 2024-04-23 | |
| 15 | 84.4% | – | 2023-09-28 | |
| 16 | 82.8% | 34.8 | 2024-04-18 | |
| 17 | 81.7% | – | 2023-09-18 | |
| 18 | 78.6% | 28.9 | 2023-09-27 | |
| 19 | 78.3% | 33.4 | 2023-07-18 | |
| 20 | 78.3% | – | 2024-02-21 | |
| 21 | 75.9% | – | 2023-12-12 | |
| 22 | 75.3% | – | 2023-09-28 | |
| 23 | 70.5% | 42.5 | 2024-09-18 | |
| 24 | 69.5% | – | 2023-07-05 | |
| 25 | 69.5% | – | 2023-02-24 | |
| 26 | 69.2% | – | 2023-05-17 | |
| 27 | 67.8% | – | 2023-09-06 | |
| 28 | 67.5% | – | 2023-02-24 | |
| 29 | 66.0% | – | 2024-09-18 | |
| 30 | 64.9% | – | 2023-05-17 | |
| 31 | 64.3% | – | 2024-06-17 | |
| 32 | 61.9% | – | 2023-03-15 | |
| 33 | 61.0% | – | 2023-06-24 | |
| 34 | 60.9% | – | 2024-09-18 | |
| 35 | 60.3% | – | 2023-07-18 | |
| 36 | 59.6% | – | 2023-05-17 | |
| 37 | 57.3% | – | 2024-06-13 | |
| 38 | 55.6% | – | 2024-03-01 | |
| 39 | 55.5% | – | 2024-02-26 | |
| 40 | 54.5% | – | 2024-11-29 | |
| 41 | 54.5% | – | 2023-07-18 | |
| 42 | 53.2% | – | 2022-01-27 | |
| 43 | 53.2% | – | 2023-11-30 | |
| 44 | 52.9% | – | 2024-09-18 | |
| 45 | 52.7% | – | 2023-02-24 | |
| 46 | 52.5% | – | 2022-04-04 | |
| 47 | 50.6% | – | 2023-06-22 | |
| 48 | 50.3% | – | 2023-11-02 | |
| 49 | 47.9% | – | 2023-04-24 | |
| 50 | 47.6% | – | 2023-02-24 | |
| 51 | 47.2% | – | 2024-02-20 | |
| 52 | 45.9% | – | 2023-07-18 | |
| 53 | 45.2% | – | 2024-09-18 | |
| 54 | 44.4% | – | 2023-09-11 | |
| 55 | 43.2% | – | 2023-04-12 | |
| 56 | 42.6% | – | 2023-05-05 | |
| 57 | 42.2% | – | 2023-11-02 | |
| 58 | 42.1% | – | 2024-02-21 | |
| 59 | 41.2% | – | 2023-06-27 | |
| 60 | 41.1% | – | 2022-04-07 |
関連するベンチマーク
引用表記:BenchLeader「ARC (AI2 Challenge)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/arc_ai2
ARC (AI2 Challenge):よくある質問
- ARC (AI2 Challenge)は何を測るベンチマークですか?
- 小学校レベルの理科の問題(チャレンジセット)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。
- ARC (AI2 Challenge)の最高スコアは?
- 2026年11月16日時点で、ARC (AI2 Challenge)の最高スコアは95.3%で、DeepSeek V3とLlama 3.1 405Bが並んでいます。次点はQwen2.5 72Bの94.5%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。
- ARC (AI2 Challenge)でトップのAIモデルは?
- 2026年11月16日時点で、DeepSeek V3とLlama 3.1 405Bが95.3%でARC (AI2 Challenge)の首位に並んでいます。
- ARC (AI2 Challenge)の結果があるモデルはいくつですか?
- BenchLeaderでは77のモデル構成にARC (AI2 Challenge)の結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
- ARC (AI2 Challenge)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?
- ARC (AI2 Challenge)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。
- ARC (AI2 Challenge)はBenchLeader Indexに含まれますか?
- いいえ。ARC (AI2 Challenge)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。