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。
- 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。
- 1GPT-4o mini88.7%
- 2Phi-3.5-MoE88.6%
- 3Gemini 1.5 Flash 00287.5%
- 4Llama 3.1 405B85.9%
- 5Falcon-180B84.9%
- 6Deepseek v3 Base84.7%
- 7Inflection-184.2%
- 8Deepseek v283.9%
- 9Gemma 2 9B83.7%
- 10Mixtral 8x7B83.6%
- 11Mistral Nemo Base 240783.5%
- 12Stable Beluga 283.3%
- 13Megatron-Turing NLG 530B83.2%
- 14Mistral 7B v0.383.0%
- 15Falcon-40B83.0%
56件中56件
| # | ||||
|---|---|---|---|---|
| 1 | 88.7% | 35.2 | 2024-07-18 | |
| 2 | 88.6% | – | 2024-08-17 | |
| 3 | 87.5% | 38.2 | 2024-09-24 | |
| 4 | 85.9% | 41.8 | 2024-07-23 | |
| 5 | 84.9% | – | 2023-09-06 | |
| 6 | 84.7% | – | 2024-12-26 | |
| 7 | 84.2% | – | 2023-06-22 | |
| 8 | 83.9% | – | 2024-05-07 | |
| 9 | 83.7% | 38.8 | – | |
| 10 | 83.6% | 30.8 | 2023-12-11 | |
| 11 | 83.5% | – | 2024-07-18 | |
| 12 | 83.3% | – | 2023-07-20 | |
| 13 | 83.2% | – | 2021-10-11 | |
| 14 | 83.0% | 28.9 | 2023-09-27 | |
| 15 | 83.0% | – | 2023-03-15 | |
| 16 | 82.8% | 33.4 | 2023-07-18 | |
| 17 | 82.8% | – | 2023-02-24 | |
| 18 | 82.6% | 43.1 | 2024-09-19 | |
| 19 | 82.4% | – | 2024-02-26 | |
| 20 | 82.3% | – | 2022-01-27 | |
| 21 | 82.3% | – | 2023-02-24 | |
| 22 | 82.3% | – | 2022-04-04 | |
| 23 | 81.9% | – | 2023-06-22 | |
| 24 | 81.9% | – | 2023-07-18 | |
| 25 | 81.2% | 33.0 | 2024-07-23 | |
| 26 | 81.2% | – | 2024-02-21 | |
| 27 | 81.0% | – | 2024-08-16 | |
| 28 | 80.8% | – | 2023-07-18 | |
| 29 | 80.6% | – | 2023-05-05 | |
| 30 | 80.5% | – | 2022-04-04 | |
| 31 | 80.3% | – | 2023-04-24 | |
| 32 | 80.3% | – | 2023-09-18 | |
| 33 | 80.1% | – | 2023-02-24 | |
| 34 | 79.9% | – | 2023-09-28 | |
| 35 | 79.8% | – | 2023-02-24 | |
| 36 | 78.8% | – | 2023-07-18 | |
| 37 | 78.1% | – | 2023-09-06 | |
| 38 | 77.9% | – | 2023-07-05 | |
| 39 | 77.9% | – | 2023-09-28 | |
| 40 | 77.4% | – | 2023-04-12 | |
| 41 | 77.3% | – | 2024-02-21 | |
| 42 | 76.9% | – | 2023-05-04 | |
| 43 | 76.7% | – | 2022-04-07 | |
| 44 | 76.2% | – | 2023-06-01 | |
| 45 | open_llama_7b | 76.0% | – | 2023-06-07 |
| 46 | 75.7% | – | 2022-05-11 | |
| 47 | 75.5% | – | 2023-06-27 | |
| 48 | 75.4% | – | 2023-04-11 | |
| 49 | 75.4% | – | 2021-08-05 | |
| 50 | 73.5% | – | 2023-03-20 | |
| 51 | 73.3% | – | 2023-11-30 | |
| 52 | 72.9% | – | 2021-03-30 | |
| 53 | 70.5% | – | 2019-11-05 | |
| 54 | 69.6% | – | 2023-06-24 | |
| 55 | 69.0% | – | 2022-05-11 | |
| 56 | 65.8% | – | 2023-04-19 |
関連するベンチマーク
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。