SimpleQA Verifiedのリーダーボード
2026年11月16日時点で、SimpleQA Verifiedの最高スコアは94.0%で、Claude Fable 5.2(Anthropic)が記録しています。次点はGemini 4 Carbonの77.7%です。公表された結果があるのは99のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2026年11月9日)。答えが1つに確定できる短い事実確認の質問(「1988年のノーベル化学賞の受賞者は?」など)で、OpenAIのSimpleQAを整理・再確認したサブセットから出題されます。SimpleQA VerifiedはBenchLeader Indexの知識スコアに反映されます。
要点(2026年11月16日時点)
- Claude Fable 5.2がSimpleQA Verifiedの最高スコア94.0%を記録しています(Epoch AI Benchmarking Hub、2026年11月9日)。
- SimpleQA Verifiedの2位はGemini 4 Carbonで、77.7%です(Epoch AI Benchmarking Hub、2026年11月10日)。
- SimpleQA Verified:短い事実確認の質問。ハルシネーションなしで正しく思い出せるかを測ります。Epoch AIが実施(Epoch AI Benchmarking Hub)。
- BenchLeaderでは99のモデル構成にSimpleQA Verifiedの公表結果があります(BenchLeader、2026年11月16日)。
- SimpleQA VerifiedはBenchLeader Indexの知識カテゴリに反映されます(BenchLeaderの評価方法)。
短い事実確認の質問。ハルシネーションなしで正しく思い出せるかを測ります。Epoch AIが実施。
- カテゴリ
- 知識
- Indexでの重み
- 1.0
- モデル
- 99
- データ基準日
- 2026年11月16日
- 最新の結果
- 2026年11月10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
答えが1つに確定できる短い事実確認の質問(「1988年のノーベル化学賞の受賞者は?」など)で、OpenAIのSimpleQAを整理・再確認したサブセットから出題されます。
採点方法
正答率です。モデルは回答を控えることもできます。Epoch AIが実行し、参照解答と照らして自動で採点しています。
注意点
測っているのは推論ではなく記憶している事実の想起で、幅広く事前学習した大型モデルが有利です。回答を控えることが多いモデルはスコアが下がりますが、ハルシネーションは少ない可能性があります。AA-Omniscienceのようなハルシネーションも考慮するテストと併せて読んでください。
- 1Claude Fable 5.2 (max)94.0%
- 2Gemini 4 Carbon (high)77.7%
- 3Gemini 4 Argon (high)76.0%
- 4GPT-6 Astra (max)75.6%
- 5GPT-6.1 Sol (max)73.9%
- 6Gemini 3.1 Pro (high)73.5%
- 7Claude Opus 5.5 (max)72.2%
- 8Claude Fable 5.1 (max)70.8%
- 9Claude Fable 5 (xhigh)70.7%
- 10GPT-5.6 Sol (max)69.7%
- 11Gemini 3.8 Flash (high)69.7%
- 12Gemini 3.7 Flash (high)69.2%
- 13Gemini 3 Flash (high)66.8%
- 14Gemini 3.5 Flash (high)66.2%
- 15Gemini 3.6 Flash (high)66.2%
| # | ||||
|---|---|---|---|---|
| 1 | NEW | 94.0% | 72.7 | 2026-11-09 |
| 2 | 77.7% | 68.9 | 2026-11-10 | |
| 3 | 76.0% | 65.3 | 2026-10-13 | |
| 4 | 75.6% | 67.3 | 2026-09-03 | |
| 5 | 73.9% | 66.6 | 2026-09-29 | |
| 6 | 73.5% | 60.4 | 2026-02-19 | |
| 7 | 72.2% | 68.4 | 2026-09-22 | |
| 8 | 70.8% | 66.7 | 2026-09-01 | |
| 9 | 70.7% | – | 2026-06-09 | |
| 10 | 69.7% | 65.3 | 2026-07-09 | |
| 11 | 69.7% | 59.4 | 2026-09-02 | |
| 12 | 69.2% | 62.1 | 2026-08-13 | |
| 13 | 66.8% | 57.4 | 2025-12-17 | |
| 14 | 66.2% | 62.5 | 2026-05-19 | |
| 15 | 66.2% | 61.0 | 2026-07-21 | |
| 16 | 63.0% | 64.1 | 2026-04-23 | |
| 17 | 62.2% | 60.0 | 2026-10-23 | |
| 18 | 60.7% | 62.6 | 2026-09-22 | |
| 19 | 60.3% | 61.5 | 2026-08-05 | |
| 20 | 59.9% | 65.0 | 2026-07-24 | |
| 21 | 57.8% | 62.2 | 2026-07-09 | |
| 22 | 57.3% | 64.1 | 2026-10-26 | |
| 23 | 56.6% | 58.1 | 2026-10-15 | |
| 24 | 56.0% | 57.4 | 2026-09-21 | |
| 25 | 55.8% | 60.0 | 2026-05-19 | |
| 26 | 53.0% | 61.1 | 2026-05-28 | |
| 27 | 52.9% | 54.7 | 2026-08-13 | |
| 28 | 52.0% | 62.1 | 2026-04-20 | |
| 29 | 51.7% | 57.0 | 2026-04-16 | |
| 30 | 50.6% | 60.2 | 2026-07-16 | |
| 31 | 50.1% | 58.2 | 2025-08-07 | |
| 32 | 49.4% | 55.1 | 2025-04-16 | |
| 33 | 49.3% | 60.6 | 2026-08-12 | |
| 34 | 48.9% | 56.1 | 2026-08-12 | |
| 35 | 48.8% | 54.2 | 2025-09-24 | |
| 36 | 48.3% | 56.8 | 2026-07-08 | |
| 37 | 48.0% | 57.5 | 2025-11-13 | |
| 38 | 47.3% | 56.6 | 2026-09-01 | |
| 39 | 47.0% | 57.0 | 2026-02-05 | |
| 40 | 46.5% | 64.2 | 2026-09-28 | |
| 41 | 46.3% | 59.5 | 2026-03-05 | |
| 42 | 45.7% | 57.1 | 2025-11-24 | |
| 43 | 45.1% | 63.1 | 2026-03-05 | |
| 44 | 44.7% | – | 2026-06-23 | |
| 45 | 44.1% | 59.0 | 2026-03-31 | |
| 46 | 43.2% | 59.5 | 2026-07-09 | |
| 47 | 42.9% | 58.5 | 2026-09-09 | |
| 48 | 42.5% | 57.7 | 2026-10-17 | |
| 49 | 41.9% | – | 2026-11-02 | |
| 50 | 41.4% | 55.1 | 2026-09-22 | |
| 51 | 41.1% | 49.5 | 2024-12-17 | |
| 52 | 41.0% | 58.8 | 2026-08-14 | |
| 53 | 41.0% | 56.2 | 2026-07-09 | |
| 54 | 40.4% | 51.8 | 2025-07-25 | |
| 55 | 40.3% | 50.0 | 2026-07-15 | |
| 56 | 39.4% | – | 2026-02-14 | |
| 57 | 37.1% | 59.9 | 2025-12-11 | |
| 58 | 36.5% | 53.9 | 2026-06-12 | |
| 59 | 35.5% | 50.3 | 2026-02-17 | |
| 60 | 34.9% | 55.1 | 2026-04-20 |
関連するベンチマーク
SimpleQA Verifiedでの注目のモデル比較
引用表記:BenchLeader「SimpleQA Verified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/simpleqa_verified
SimpleQA Verified:よくある質問
- SimpleQA Verifiedは何を測るベンチマークですか?
- 答えが1つに確定できる短い事実確認の質問(「1988年のノーベル化学賞の受賞者は?」など)で、OpenAIのSimpleQAを整理・再確認したサブセットから出題されます。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。
- SimpleQA Verifiedの最高スコアは?
- 2026年11月16日時点で、SimpleQA Verifiedの最高スコアは94.0%で、Claude Fable 5.2が記録しています(結果の日付は2026年11月9日)。次点はGemini 4 Carbonの77.7%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。
- SimpleQA VerifiedでトップのAIモデルは?
- 2026年11月16日時点で、SimpleQA Verifiedの首位はClaude Fable 5.2で、スコアは94.0%です(結果の日付は2026年11月9日)。続いてGemini 4 Carbon(77.7%)です。
- SimpleQA Verifiedの結果があるモデルはいくつですか?
- BenchLeaderでは99のモデル構成にSimpleQA Verifiedの結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
- SimpleQA Verified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?
- SimpleQA Verified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。
- SimpleQA VerifiedはBenchLeader Indexに含まれますか?
- はい。SimpleQA VerifiedはBenchLeader Indexの知識カテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。