BenchLeader

GSM8Kのリーダーボード

2026年11月16日時点で、GSM8Kの最高スコアは94.5%で、Deepseek Coder v2(DeepSeek)が記録しています。次点はQwen2.5-Coder-14Bの94.2%です。公表された結果があるのは73のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2024年6月17日)。小学校レベルの算数の文章題です。GSM8K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 Coder v2がGSM8Kの最高スコア94.5%を記録しています(Epoch AI Benchmarking Hub、2024年6月17日)。
  • GSM8Kの2位はQwen2.5-Coder-14Bで、94.2%です(Epoch AI Benchmarking Hub、2024年11月6日)。
  • GSM8K:小学校レベルの算数の文章題。2021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73のモデル構成にGSM8Kの公表結果があります(BenchLeader、2026年11月16日)。
  • GSM8K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)。

小学校レベルの算数の文章題。2021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
数学
Indexでの重み
参考のみ
モデル
73
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

小学校レベルの算数の文章題です。

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. 1Deepseek Coder v294.5%
  2. 2Qwen2.5-Coder-14B94.2%
  3. 3Qwen2.5 Coder 32B Instruct93.0%
  4. 4GPT-492.0%
  5. 5GPT-4o mini91.3%
  6. 6GPT 4 061390.0%
  7. 7Phi-3.5-MoE88.7%
  8. 8DeepSeek-Coder-V2-Lite-Instruct87.6%
  9. 9Claude Instant 1.286.7%
  10. 10Qwen2.5-Coder 7B Instruct86.7%
  11. 11Phi-3.5-mini86.2%
  12. 12DeepSeek-Coder-V2 236B85.8%
  13. 13Gemma 2 9B84.9%
  14. 14Mistral Nemo Base 240784.2%
  15. 15Llama 3.1 8B82.4%
73件中73件
#
1Deepseek Coder v294.5%–2024-06-17
2Qwen2.5-Coder-14B94.2%–2024-11-06
3Qwen2.5 Coder 32B Instruct93.0%42.52024-11-21
4GPT-492.0%42.32023-03-14
5GPT-4o mini91.3%35.22024-07-18
6GPT 4 061390.0%39.52023-06-13
7Phi-3.5-MoE88.7%–2024-08-17
8DeepSeek-Coder-V2-Lite-Instruct87.6%–2024-06-13
9Claude Instant 1.286.7%–2023-08-09
10Qwen2.5-Coder 7B Instruct86.7%–2024-09-17
11Phi-3.5-mini86.2%–2024-08-16
12DeepSeek-Coder-V2 236B85.8%–2024-06-17
13Gemma 2 9B84.9%38.8–
14Mistral Nemo Base 240784.2%–2024-07-18
15Llama 3.1 8B82.4%33.02024-07-23
16Gemini 1.5 Flash 00182.4%–2024-05-23
17Claude Instant 1.180.9%––
18Qwen2.5-Coder-3B80.7%–2024-11-06
19davinci-00378.2%–2022-11-28
20Yi-34B76.0%34.72023-11-22
21Mixtral 8x7B74.4%30.82023-12-11
22Llama 2-70B69.6%33.42023-07-18
23Stable Beluga 269.6%–2023-07-20
24DeepSeek-Coder-V2-Lite-Base67.1%–2024-06-13
25Qwen2.5 Coder 1.5B65.8%–2024-09-18
26InternLM 20B62.9%–2023-09-18
27Qwen-14B61.3%–2023-09-28
28GPT-3.5 Turbo (older v0613)57.8%–2023-06-13
29StarCoder2-15B57.7%–2024-02-20
30code-davinci-00256.8%–2022-03-15
31PaLM 540B56.5%–2022-04-04
32Mistral 7B v0.354.4%28.92023-09-27
33Falcon-180B54.4%–2023-09-06
34LLaMA-65B54.4%–2023-02-24
35Falcon 2 11B53.8%–2024-05-09
36Baichuan2-13B52.8%–2023-09-06
37Qwen-7B51.7%–2023-09-28
38Gemma 7B46.4%–2024-02-21
39Nemotron-4 15B46.0%–2024-02-26
40Yi 6B44.9%–2023-11-22
41LLaMA-33B44.1%–2023-02-24
42Llama 2-34B42.2%–2023-07-18
43text-davinci-00241.5%–2022-03-15
44INTELLECT-138.6%–2024-11-29
45CodeQwen1.5-7B37.7%–2024-04-15
46Llama 2-13B36.9%–2023-07-18
47Deepseek Coder 33B Base35.4%–2023-11-02
48Qwen2.5-Coder-0.5B34.5%–2024-09-18
49MPT-30B34.4%–2023-06-22
50Falcon-40B33.8%–2023-05-25
51PaLM 62B33.0%–2022-04-04
52StarCoder2-7B32.7%–2024-02-20
53ChatGLM2-6B32.4%–2023-06-24
54InternLM 7B31.2%–2023-07-05
55Vicuna 13B v1.128.1%–2023-04-12
56Baichuan 1-13B26.8%–2023-07-11
57Baichuan 2 7B Base24.6%–2023-09-20
58StarCoder2-3B21.6%–2024-02-22
59Deepseek Coder 6 7B Base21.3%–2023-11-02
60Qwen-1_8B21.2%–2023-11-30

数学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「GSM8K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/gsm8k

GSM8K:よくある質問

GSM8Kは何を測るベンチマークですか?
小学校レベルの算数の文章題です。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。
GSM8Kの最高スコアは?
2026年11月16日時点で、GSM8Kの最高スコアは94.5%で、Deepseek Coder v2が記録しています(結果の日付は2024年6月17日)。次点はQwen2.5-Coder-14Bの94.2%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。
GSM8KでトップのAIモデルは?
2026年11月16日時点で、GSM8Kの首位はDeepseek Coder v2で、スコアは94.5%です(結果の日付は2024年6月17日)。続いてQwen2.5-Coder-14B(94.2%)です。
GSM8Kの結果があるモデルはいくつですか?
BenchLeaderでは73のモデル構成にGSM8Kの結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
GSM8K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?
GSM8K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。
GSM8KはBenchLeader Indexに含まれますか?
いいえ。GSM8K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。