HellaSwagのリーダーボード
2026年11月16日時点で、HellaSwagの最高スコアは95.3%で、GPT-4(OpenAI)が記録しています。次点はLlama 3.1 405Bの89.2%です。公表された結果があるのは68のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2023年3月14日)。常識に基づく文の続きの補完です。HellaSwag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-4がHellaSwagの最高スコア95.3%を記録しています(Epoch AI Benchmarking Hub、2023年3月14日)。
- HellaSwagの2位はLlama 3.1 405Bで、89.2%です(Epoch AI Benchmarking Hub、2024年7月23日)。
- HellaSwag:常識に基づく文の補完。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68のモデル構成にHellaSwagの公表結果があります(BenchLeader、2026年11月16日)。
- HellaSwag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)。
常識に基づく文の補完。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。
- カテゴリ
- 推論
- Indexでの重み
- 参考のみ
- モデル
- 68
- 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
常識に基づく文の続きの補完です。
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。
- 1GPT-495.3%
- 2Llama 3.1 405B89.2%
- 3Falcon-180B89.0%
- 4DeepSeek V388.9%
- 5Deepseek v287.1%
- 6PaLM 2-L86.8%
- 7Mixtral 8x7B86.7%
- 8davinci-00385.5%
- 9Llama 2-70B85.3%
- 10Falcon-40B85.3%
- 11Qwen2.5 72B84.8%
- 12LLaMA-65B84.2%
- 13Stable Beluga 284.1%
- 14PaLM 2-M84.0%
- 15PaLM 540B83.8%
68件中68件
| # | ||||
|---|---|---|---|---|
| 1 | 95.3% | 42.3 | 2023-03-14 | |
| 2 | 89.2% | 41.8 | 2024-07-23 | |
| 3 | 89.0% | – | 2023-09-06 | |
| 4 | 88.9% | 44.3 | 2024-12-26 | |
| 5 | 87.1% | – | 2024-05-07 | |
| 6 | 86.8% | – | 2023-05-17 | |
| 7 | 86.7% | 30.8 | 2023-12-11 | |
| 8 | 85.5% | – | 2022-11-28 | |
| 9 | 85.3% | 33.4 | 2023-07-18 | |
| 10 | 85.3% | – | 2023-03-15 | |
| 11 | 84.8% | 43.1 | 2024-09-19 | |
| 12 | 84.2% | – | 2023-02-24 | |
| 13 | 84.1% | – | 2023-07-20 | |
| 14 | 84.0% | – | 2023-05-17 | |
| 15 | 83.8% | – | 2022-04-04 | |
| 16 | 83.0% | 42.5 | 2024-09-18 | |
| 17 | 82.9% | – | 2024-05-09 | |
| 18 | 82.8% | – | 2023-02-24 | |
| 19 | 82.4% | 37.8 | 2024-04-23 | |
| 20 | 82.4% | – | 2021-10-11 | |
| 21 | 82.4% | – | 2024-02-26 | |
| 22 | 82.2% | – | 2024-02-21 | |
| 23 | 82.0% | – | 2023-05-17 | |
| 24 | 81.5% | – | 2022-03-15 | |
| 25 | 81.0% | 28.9 | 2023-09-27 | |
| 26 | 80.7% | – | 2023-07-18 | |
| 27 | 80.2% | – | 2024-09-18 | |
| 28 | 79.3% | – | 2022-01-27 | |
| 29 | 79.2% | – | 2023-02-24 | |
| 30 | 79.1% | – | 2022-05-02 | |
| 31 | 78.1% | – | 2023-04-24 | |
| 32 | 78.1% | – | 2023-09-18 | |
| 33 | 77.2% | – | 2023-07-18 | |
| 34 | 77.0% | – | 2024-04-23 | |
| 35 | 76.8% | – | 2024-09-18 | |
| 36 | 76.7% | 36.7 | 2024-04-23 | |
| 37 | 76.4% | – | 2023-05-05 | |
| 38 | 76.4% | – | 2024-03-01 | |
| 39 | 76.2% | – | 2023-02-24 | |
| 40 | 74.5% | – | 2022-05-03 | |
| 41 | 74.4% | – | 2023-11-02 | |
| 42 | 74.2% | – | 2023-06-27 | |
| 43 | open_llama_7b | 71.8% | – | 2023-06-07 |
| 44 | 71.4% | – | 2024-11-29 | |
| 45 | 71.4% | – | 2024-02-21 | |
| 46 | 70.9% | – | 2024-09-18 | |
| 47 | 70.8% | – | 2023-09-06 | |
| 48 | 70.8% | – | 2023-04-11 | |
| 49 | 70.6% | – | 2023-07-05 | |
| 50 | 70.5% | – | 2022-04-07 | |
| 51 | 70.3% | – | 2023-05-04 | |
| 52 | 69.9% | – | 2022-05-11 | |
| 53 | 68.0% | – | 2023-09-20 | |
| 54 | 67.6% | – | – | |
| 55 | 66.2% | – | 2021-08-05 | |
| 56 | 61.8% | – | 2024-09-18 | |
| 57 | 59.4% | – | 2023-03-20 | |
| 58 | 57.8% | – | 2023-04-12 | |
| 59 | 57.0% | – | 2023-06-24 | |
| 60 | 56.1% | – | – |
関連するベンチマーク
引用表記:BenchLeader「HellaSwag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/hellaswag
HellaSwag:よくある質問
- HellaSwagは何を測るベンチマークですか?
- 常識に基づく文の続きの補完です。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。
- HellaSwagの最高スコアは?
- 2026年11月16日時点で、HellaSwagの最高スコアは95.3%で、GPT-4が記録しています(結果の日付は2023年3月14日)。次点はLlama 3.1 405Bの89.2%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。
- HellaSwagでトップのAIモデルは?
- 2026年11月16日時点で、HellaSwagの首位はGPT-4で、スコアは95.3%です(結果の日付は2023年3月14日)。続いてLlama 3.1 405B(89.2%)です。
- HellaSwagの結果があるモデルはいくつですか?
- BenchLeaderでは68のモデル構成にHellaSwagの結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
- HellaSwag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?
- HellaSwag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。
- HellaSwagはBenchLeader Indexに含まれますか?
- いいえ。HellaSwag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。