BenchLeader

PIQAのリーダーボード

2026年11月16日時点で、PIQAの最高スコアは88.7%で、GPT-4o mini(OpenAI)が記録しています。次点はPhi-3.5-MoEの88.6%です。公表された結果があるのは56のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2024年7月18日)。物理的な常識を問う質問です。PIQA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-4o miniがPIQAの最高スコア88.7%を記録しています(Epoch AI Benchmarking Hub、2024年7月18日)。
  • PIQAの2位はPhi-3.5-MoEで、88.6%です(Epoch AI Benchmarking Hub、2024年8月17日)。
  • PIQA:物理的な常識を問う問題。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56のモデル構成にPIQAの公表結果があります(BenchLeader、2026年11月16日)。
  • PIQA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)。

物理的な常識を問う問題。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
56
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

物理的な常識を問う質問です。

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-4o mini88.7%
  2. 2Phi-3.5-MoE88.6%
  3. 3Gemini 1.5 Flash 00287.5%
  4. 4Llama 3.1 405B85.9%
  5. 5Falcon-180B84.9%
  6. 6Deepseek v3 Base84.7%
  7. 7Inflection-184.2%
  8. 8Deepseek v283.9%
  9. 9Gemma 2 9B83.7%
  10. 10Mixtral 8x7B83.6%
  11. 11Mistral Nemo Base 240783.5%
  12. 12Stable Beluga 283.3%
  13. 13Megatron-Turing NLG 530B83.2%
  14. 14Mistral 7B v0.383.0%
  15. 15Falcon-40B83.0%
56件中56件
#
1GPT-4o mini88.7%35.22024-07-18
2Phi-3.5-MoE88.6%–2024-08-17
3Gemini 1.5 Flash 00287.5%38.22024-09-24
4Llama 3.1 405B85.9%41.82024-07-23
5Falcon-180B84.9%–2023-09-06
6Deepseek v3 Base84.7%–2024-12-26
7Inflection-184.2%–2023-06-22
8Deepseek v283.9%–2024-05-07
9Gemma 2 9B83.7%38.8–
10Mixtral 8x7B83.6%30.82023-12-11
11Mistral Nemo Base 240783.5%–2024-07-18
12Stable Beluga 283.3%–2023-07-20
13Megatron-Turing NLG 530B83.2%–2021-10-11
14Mistral 7B v0.383.0%28.92023-09-27
15Falcon-40B83.0%–2023-03-15
16Llama 2-70B82.8%33.42023-07-18
17LLaMA-65B82.8%–2023-02-24
18Qwen2.5 72B82.6%43.12024-09-19
19Nemotron-4 15B82.4%–2024-02-26
20InstructGPT 175B82.3%–2022-01-27
21LLaMA-33B82.3%–2023-02-24
22PaLM 540B82.3%–2022-04-04
23MPT-30B81.9%–2023-06-22
24Llama 2-34B81.9%–2023-07-18
25Llama 3.1 8B81.2%33.02024-07-23
26Gemma 7B81.2%–2024-02-21
27Phi-3.5-mini81.0%–2024-08-16
28Llama 2-13B80.8%–2023-07-18
29MPT-7B80.6%–2023-05-05
30PaLM 62B80.5%–2022-04-04
31Falcon-7B80.3%–2023-04-24
32InternLM 20B80.3%–2023-09-18
33LLaMA-13B80.1%–2023-02-24
34Qwen-14B79.9%–2023-09-28
35LLaMA-7B79.8%–2023-02-24
36Llama 2-7B78.8%–2023-07-18
37Baichuan2-13B78.1%–2023-09-06
38InternLM 7B77.9%–2023-07-05
39Qwen-7B77.9%–2023-09-28
40Vicuna 13B v1.177.4%–2023-04-12
41Gemma 2B77.3%–2024-02-21
42RedPajama-INCITE-7B-Base76.9%–2023-05-04
43GPT-NeoX-20B76.7%–2022-04-07
44Baichuan1-7B76.2%–2023-06-01
45open_llama_7b76.0%–2023-06-07
46OPT-13B75.7%–2022-05-11
47Xgen 7B Base75.5%–2023-06-27
48Dolly v2 12B75.4%–2023-04-11
49GPT-J-6B75.4%–2021-08-05
50Cerebras-GPT-13B73.5%–2023-03-20
51Qwen-1_8B73.3%–2023-11-30
52GPT-Neo-2.7B72.9%–2021-03-30
53Gpt2 Xl70.5%–2019-11-05
54ChatGLM2-6B69.6%–2023-06-24
55OPT-1.3B69.0%–2022-05-11
56StableLM Tuned Alpha 7B65.8%–2023-04-19

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「PIQA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/piqa

PIQA:よくある質問

PIQAは何を測るベンチマークですか?
物理的な常識を問う質問です。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。
PIQAの最高スコアは?
2026年11月16日時点で、PIQAの最高スコアは88.7%で、GPT-4o miniが記録しています(結果の日付は2024年7月18日)。次点はPhi-3.5-MoEの88.6%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。
PIQAでトップのAIモデルは?
2026年11月16日時点で、PIQAの首位はGPT-4o miniで、スコアは88.7%です(結果の日付は2024年7月18日)。続いてPhi-3.5-MoE(88.6%)です。
PIQAの結果があるモデルはいくつですか?
BenchLeaderでは56のモデル構成にPIQAの結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
PIQA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?
PIQA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。
PIQAはBenchLeader Indexに含まれますか?
いいえ。PIQA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。