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。
- 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。
- 1Phi 3.5 Vision91.3%
- 2GPT-4o88.5%
- 3Gemini 1.0 Pro Vision79.7%
- 4falcon-11B-vlm74.9%
- 5Blip2 Opt 2 7B74.2%
- 6InstructGPT 175B74.0%
- 7LLaVA-NeXT 8B (Llama 3)73.7%
- 8LLaVA-1.6 Vicuna 13B73.6%
- 9LLaVA-1.6 Mistral 7B72.8%
- 10MM1-7B-Chat72.6%
- 11Claude 3 Haiku72.0%
- 12LLaVA-1.6 Vicuna 7B70.6%
- 13InternVL-Chat-ViT-6B-Vicuna-13B70.1%
- 14MM1-3B-Chat69.4%
- 15Qwen-VL68.2%
23件中23件
| # | ||||
|---|---|---|---|---|
| 1 | 91.3% | – | 2024-08-16 | |
| 2 | 88.5% | 42.8 | 2024-05-13 | |
| 3 | 79.7% | – | 2024-01-04 | |
| 4 | 74.9% | – | 2024-05-21 | |
| 5 | 74.2% | – | 2023-02-06 | |
| 6 | 74.0% | – | 2022-01-27 | |
| 7 | 73.7% | – | 2024-04-20 | |
| 8 | 73.6% | – | 2024-01-31 | |
| 9 | 72.8% | – | 2024-01-31 | |
| 10 | 72.6% | – | 2024-03-14 | |
| 11 | 72.0% | 36.1 | 2024-03-07 | |
| 12 | 70.6% | – | 2024-01-31 | |
| 13 | 70.1% | – | 2024-08-16 | |
| 14 | 69.4% | – | 2024-03-14 | |
| 15 | 68.2% | – | 2023-08-20 | |
| 16 | 66.8% | – | 2023-10-05 | |
| 17 | 66.2% | – | 2023-12-25 | |
| 18 | 63.1% | – | 2023-12-25 | |
| 19 | 60.5% | – | 2023-05-22 | |
| 20 | 55.8% | – | 2023-07-18 | |
| 21 | 43.3% | – | 2023-02-24 | |
| 22 | 43.1% | – | 2023-07-18 | |
| 23 | 36.2% | – | 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。