BenchLeader

ScienceQAのリーダーボード

2026年11月16日時点で、ScienceQAの最高スコアは91.3%で、Phi 3.5 Vision(Microsoft)が記録しています。次点はGPT-4oの88.5%です。公表された結果があるのは23のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2024年8月16日)。図を含む理科の問題です。ScienceQA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)

  • Phi 3.5 VisionがScienceQAの最高スコア91.3%を記録しています(Epoch AI Benchmarking Hub、2024年8月16日)。
  • ScienceQAの2位はGPT-4oで、88.5%です(Epoch AI Benchmarking Hub、2024年5月13日)。
  • ScienceQA:図を含む理科の問題。2022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23のモデル構成にScienceQAの公表結果があります(BenchLeader、2026年11月16日)。
  • ScienceQA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)。

図を含む理科の問題。2022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
マルチモーダル
Indexでの重み
参考のみ
モデル
23
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

図を含む理科の問題です。

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。

上位15
  1. 1Phi 3.5 Vision91.3%
  2. 2GPT-4o88.5%
  3. 3Gemini 1.0 Pro Vision79.7%
  4. 4falcon-11B-vlm74.9%
  5. 5Blip2 Opt 2 7B74.2%
  6. 6InstructGPT 175B74.0%
  7. 7LLaVA-NeXT 8B (Llama 3)73.7%
  8. 8LLaVA-1.6 Vicuna 13B73.6%
  9. 9LLaVA-1.6 Mistral 7B72.8%
  10. 10MM1-7B-Chat72.6%
  11. 11Claude 3 Haiku72.0%
  12. 12LLaVA-1.6 Vicuna 7B70.6%
  13. 13InternVL-Chat-ViT-6B-Vicuna-13B70.1%
  14. 14MM1-3B-Chat69.4%
  15. 15Qwen-VL68.2%
23件中23件
#
1Phi 3.5 Vision91.3%–2024-08-16
2GPT-4o88.5%42.82024-05-13
3Gemini 1.0 Pro Vision79.7%–2024-01-04
4falcon-11B-vlm74.9%–2024-05-21
5Blip2 Opt 2 7B74.2%–2023-02-06
6InstructGPT 175B74.0%–2022-01-27
7LLaVA-NeXT 8B (Llama 3)73.7%–2024-04-20
8LLaVA-1.6 Vicuna 13B73.6%–2024-01-31
9LLaVA-1.6 Mistral 7B72.8%–2024-01-31
10MM1-7B-Chat72.6%–2024-03-14
11Claude 3 Haiku72.0%36.12024-03-07
12LLaVA-1.6 Vicuna 7B70.6%–2024-01-31
13InternVL-Chat-ViT-6B-Vicuna-13B70.1%–2024-08-16
14MM1-3B-Chat69.4%–2024-03-14
15Qwen-VL68.2%–2023-08-20
16LLaVA-1.5 7B66.8%–2023-10-05
17InternVL-Chat-ViT-6B-Vicuna-7B66.2%–2023-12-25
18InstructBLIP Vicuna 13B63.1%–2023-12-25
19InstructBLIP Vicuna 7B60.5%–2023-05-22
20Llama 2-13B55.8%–2023-07-18
21LLaMA-13B43.3%–2023-02-24
22Llama 2-7B43.1%–2023-07-18
23LLaMA-7B36.2%–2023-02-24

マルチモーダル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「ScienceQA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/scienceqa

ScienceQA:よくある質問

ScienceQAは何を測るベンチマークですか?
図を含む理科の問題です。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。
ScienceQAの最高スコアは?
2026年11月16日時点で、ScienceQAの最高スコアは91.3%で、Phi 3.5 Visionが記録しています(結果の日付は2024年8月16日)。次点はGPT-4oの88.5%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。
ScienceQAでトップのAIモデルは?
2026年11月16日時点で、ScienceQAの首位はPhi 3.5 Visionで、スコアは91.3%です(結果の日付は2024年8月16日)。続いてGPT-4o(88.5%)です。
ScienceQAの結果があるモデルはいくつですか?
BenchLeaderでは23のモデル構成にScienceQAの結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
ScienceQA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?
ScienceQA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。
ScienceQAはBenchLeader Indexに含まれますか?
いいえ。ScienceQA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。