BenchLeader

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。

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
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。

上位15
  1. 1GPT-495.3%
  2. 2Llama 3.1 405B89.2%
  3. 3Falcon-180B89.0%
  4. 4DeepSeek V388.9%
  5. 5Deepseek v287.1%
  6. 6PaLM 2-L86.8%
  7. 7Mixtral 8x7B86.7%
  8. 8davinci-00385.5%
  9. 9Llama 2-70B85.3%
  10. 10Falcon-40B85.3%
  11. 11Qwen2.5 72B84.8%
  12. 12LLaMA-65B84.2%
  13. 13Stable Beluga 284.1%
  14. 14PaLM 2-M84.0%
  15. 15PaLM 540B83.8%
68件中68件
#
1GPT-495.3%42.32023-03-14
2Llama 3.1 405B89.2%41.82024-07-23
3Falcon-180B89.0%–2023-09-06
4DeepSeek V388.9%44.32024-12-26
5Deepseek v287.1%–2024-05-07
6PaLM 2-L86.8%–2023-05-17
7Mixtral 8x7B86.7%30.82023-12-11
8davinci-00385.5%–2022-11-28
9Llama 2-70B85.3%33.42023-07-18
10Falcon-40B85.3%–2023-03-15
11Qwen2.5 72B84.8%43.12024-09-19
12LLaMA-65B84.2%–2023-02-24
13Stable Beluga 284.1%–2023-07-20
14PaLM 2-M84.0%–2023-05-17
15PaLM 540B83.8%–2022-04-04
16Qwen2.5 Coder 32B Instruct83.0%42.52024-09-18
17Falcon 2 11B82.9%–2024-05-09
18LLaMA-33B82.8%–2023-02-24
19Phi 3medium82.4%37.82024-04-23
20Megatron-Turing NLG 530B82.4%–2021-10-11
21Nemotron-4 15B82.4%–2024-02-26
22Gemma 7B82.2%–2024-02-21
23PaLM 2-S82.0%–2023-05-17
24text-davinci-00281.5%–2022-03-15
25Mistral 7B v0.381.0%28.92023-09-27
26Llama 2-13B80.7%–2023-07-18
27Qwen2.5-Coder-14B80.2%–2024-09-18
28InstructGPT 175B79.3%–2022-01-27
29LLaMA-13B79.2%–2023-02-24
30OPT-175B79.1%–2022-05-02
31Falcon-7B78.1%–2023-04-24
32InternLM 20B78.1%–2023-09-18
33Llama 2-7B77.2%–2023-07-18
34Phi 3 Small77.0%–2024-04-23
35Qwen2.5-Coder 7B Instruct76.8%–2024-09-18
36Phi 3 Mini76.7%36.72024-04-23
37MPT-7B76.4%–2023-05-05
38Yi-9B76.4%–2024-03-01
39LLaMA-7B76.2%–2023-02-24
40OPT-66B74.5%–2022-05-03
41Yi 6B74.4%–2023-11-02
42Xgen 7B Base74.2%–2023-06-27
43open_llama_7b71.8%–2023-06-07
44INTELLECT-171.4%–2024-11-29
45Gemma 2B71.4%–2024-02-21
46Qwen2.5-Coder-3B70.9%–2024-09-18
47Baichuan2-13B70.8%–2023-09-06
48Dolly v2 12B70.8%–2023-04-11
49InternLM 7B70.6%–2023-07-05
50GPT-NeoX-20B70.5%–2022-04-07
51RedPajama-INCITE-7B-Base70.3%–2023-05-04
52OPT-13B69.9%–2022-05-11
53Baichuan 2 7B Base68.0%–2023-09-20
54InstructGPT 6B67.6%––
55GPT-J-6B66.2%–2021-08-05
56Qwen2.5 Coder 1.5B61.8%–2024-09-18
57Cerebras-GPT-13B59.4%–2023-03-20
58Vicuna 13B v1.157.8%–2023-04-12
59ChatGLM2-6B57.0%–2023-06-24
60InstructGPT 1.3B56.1%––

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「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。