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。
- 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。
- 1Deepseek Coder v294.5%
- 2Qwen2.5-Coder-14B94.2%
- 3Qwen2.5 Coder 32B Instruct93.0%
- 4GPT-492.0%
- 5GPT-4o mini91.3%
- 6GPT 4 061390.0%
- 7Phi-3.5-MoE88.7%
- 8DeepSeek-Coder-V2-Lite-Instruct87.6%
- 9Claude Instant 1.286.7%
- 10Qwen2.5-Coder 7B Instruct86.7%
- 11Phi-3.5-mini86.2%
- 12DeepSeek-Coder-V2 236B85.8%
- 13Gemma 2 9B84.9%
- 14Mistral Nemo Base 240784.2%
- 15Llama 3.1 8B82.4%
73件中73件
| # | ||||
|---|---|---|---|---|
| 1 | 94.5% | – | 2024-06-17 | |
| 2 | 94.2% | – | 2024-11-06 | |
| 3 | 93.0% | 42.5 | 2024-11-21 | |
| 4 | 92.0% | 42.3 | 2023-03-14 | |
| 5 | 91.3% | 35.2 | 2024-07-18 | |
| 6 | 90.0% | 39.5 | 2023-06-13 | |
| 7 | 88.7% | – | 2024-08-17 | |
| 8 | 87.6% | – | 2024-06-13 | |
| 9 | 86.7% | – | 2023-08-09 | |
| 10 | 86.7% | – | 2024-09-17 | |
| 11 | 86.2% | – | 2024-08-16 | |
| 12 | 85.8% | – | 2024-06-17 | |
| 13 | 84.9% | 38.8 | – | |
| 14 | 84.2% | – | 2024-07-18 | |
| 15 | 82.4% | 33.0 | 2024-07-23 | |
| 16 | 82.4% | – | 2024-05-23 | |
| 17 | 80.9% | – | – | |
| 18 | 80.7% | – | 2024-11-06 | |
| 19 | 78.2% | – | 2022-11-28 | |
| 20 | 76.0% | 34.7 | 2023-11-22 | |
| 21 | 74.4% | 30.8 | 2023-12-11 | |
| 22 | 69.6% | 33.4 | 2023-07-18 | |
| 23 | 69.6% | – | 2023-07-20 | |
| 24 | 67.1% | – | 2024-06-13 | |
| 25 | 65.8% | – | 2024-09-18 | |
| 26 | 62.9% | – | 2023-09-18 | |
| 27 | 61.3% | – | 2023-09-28 | |
| 28 | 57.8% | – | 2023-06-13 | |
| 29 | 57.7% | – | 2024-02-20 | |
| 30 | 56.8% | – | 2022-03-15 | |
| 31 | 56.5% | – | 2022-04-04 | |
| 32 | 54.4% | 28.9 | 2023-09-27 | |
| 33 | 54.4% | – | 2023-09-06 | |
| 34 | 54.4% | – | 2023-02-24 | |
| 35 | 53.8% | – | 2024-05-09 | |
| 36 | 52.8% | – | 2023-09-06 | |
| 37 | 51.7% | – | 2023-09-28 | |
| 38 | 46.4% | – | 2024-02-21 | |
| 39 | 46.0% | – | 2024-02-26 | |
| 40 | 44.9% | – | 2023-11-22 | |
| 41 | 44.1% | – | 2023-02-24 | |
| 42 | 42.2% | – | 2023-07-18 | |
| 43 | 41.5% | – | 2022-03-15 | |
| 44 | 38.6% | – | 2024-11-29 | |
| 45 | 37.7% | – | 2024-04-15 | |
| 46 | 36.9% | – | 2023-07-18 | |
| 47 | 35.4% | – | 2023-11-02 | |
| 48 | 34.5% | – | 2024-09-18 | |
| 49 | 34.4% | – | 2023-06-22 | |
| 50 | 33.8% | – | 2023-05-25 | |
| 51 | 33.0% | – | 2022-04-04 | |
| 52 | 32.7% | – | 2024-02-20 | |
| 53 | 32.4% | – | 2023-06-24 | |
| 54 | 31.2% | – | 2023-07-05 | |
| 55 | 28.1% | – | 2023-04-12 | |
| 56 | 26.8% | – | 2023-07-11 | |
| 57 | 24.6% | – | 2023-09-20 | |
| 58 | 21.6% | – | 2024-02-22 | |
| 59 | 21.3% | – | 2023-11-02 | |
| 60 | 21.2% | – | 2023-11-30 |
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。