MedQAのリーダーボード
2026年11月16日時点で、MedQAの最高スコアは96.5%で、o1(OpenAI)が記録しています。次点はGPT-5.1の96.4%です。公表された結果があるのは93のモデル構成です(Vals AI、結果の日付は2026年4月16日)。MedQAは、米国医師国家試験(USMLE)の問題をもとにしたもので、臨床の症例文に多肢選択式で答えます。MedQA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)
- o1がMedQAの最高スコア96.5%を記録しています(Vals AI、2026年4月16日)。
- MedQAの2位はGPT-5.1で、96.4%です(Vals AI、2026年4月16日)。
- MedQA:米国医師国家試験の問題。Vals AIが実施(Vals AI)。
- BenchLeaderでは93のモデル構成にMedQAの公表結果があります(BenchLeader、2026年11月16日)。
- MedQAはBenchLeader Indexの知識カテゴリに反映されます(BenchLeaderの評価方法)。
米国医師国家試験の問題。Vals AIが実施。
- 公開元
- Vals AI
- カテゴリ
- 知識
- Indexでの重み
- 0.5
- モデル
- 93
- データ基準日
- 2026年11月16日
Vals AI (vals.ai).
どんなテストか
MedQAは、米国医師国家試験(USMLE)の問題をもとにしたもので、臨床の症例文に多肢選択式で答えます。
採点方法
正答率で、Vals AIが実行しています。
注意点
多肢選択式の試験の成績は臨床能力そのものではなく、最先端のモデルはほぼ上限に達しています。
- 1o1 (high)96.5%
- 2GPT-5.1 (high)96.4%
- 3Gemini 3.1 Pro (high)96.4%
- 4GPT-5 (high)96.3%
- 5GPT-5.4 (xhigh)96.1%
- 6o3 (high)96.1%
- 7GPT-5 mini (high)96.1%
- 8Gemini 3 Pro (high)96.0%
- 9o4-mini (high)96.0%
- 10Claude Opus 4.5 (thinking)95.9%
- 11Gemini 3 Flash (high)95.8%
- 12Claude Opus 4.6 (thinking)95.4%
- 13Qwen3.5 Plus (thinking)95.2%
- 14o3-mini (high)94.8%
- 15Claude Sonnet 4.5 (thinking)94.7%
93件中93件
| # | |||||
|---|---|---|---|---|---|
| 1 | 96.5% | 49.5 | $0.053 | 2026-04-16 | |
| 2 | 96.4% | 57.5 | $0.0098 | 2026-04-16 | |
| 3 | 96.4% | 60.4 | $0.018 | 2026-04-16 | |
| 4 | 96.3% | 58.2 | $0.021 | 2026-04-16 | |
| 5 | 96.1% | 63.1 | $0.044 | 2026-04-16 | |
| 6 | 96.1% | 55.1 | $0.0054 | 2026-04-16 | |
| 7 | 96.1% | 54.6 | $0.0030 | 2026-04-16 | |
| 8 | 96.0% | 60.0 | $0.029 | 2026-04-16 | |
| 9 | 96.0% | 51.2 | $0.0028 | 2026-04-16 | |
| 10 | 95.9% | 59.3 | $0.148 | 2026-04-16 | |
| 11 | 95.8% | 57.4 | $0.013 | 2026-04-16 | |
| 12 | 95.4% | – | $0.027 | 2026-04-16 | |
| 13 | 95.2% | 57.4 | $0.0083 | 2026-04-16 | |
| 14 | 94.8% | 47.9 | $0.0053 | 2026-04-16 | |
| 15 | 94.7% | 52.3 | $0.031 | 2026-04-16 | |
| 16 | 94.5% | 58.3 | $0.0091 | 2026-04-16 | |
| 17 | 94.4% | 59.4 | $0.0070 | 2026-04-16 | |
| 18 | 94.3% | 60.2 | $0.0080 | 2026-04-16 | |
| 19 | 94.1% | 59.9 | $0.022 | 2026-04-16 | |
| 20 | 93.9% | 54.2 | $0.0008 | 2026-04-16 | |
| 21 | 93.7% | 51.7 | $0.0049 | 2026-04-16 | |
| 22 | 93.6% | 58.1 | $0.088 | 2026-04-16 | |
| 23 | 93.3% | 47.4 | $0.0013 | 2026-04-16 | |
| 24 | 93.2% | 57.1 | $0.043 | 2026-04-16 | |
| 25 | 93.1% | 55.2 | $0.0029 | 2026-04-16 | |
| 26 | 92.9% | 51.9 | $0.038 | 2026-04-16 | |
| 27 | 92.7% | 53.8 | $0.025 | 2026-04-16 | |
| 28 | 92.6% | 52.3 | $0.0062 | 2026-04-16 | |
| 29 | 92.5% | 53.7 | $0.0029 | 2026-04-16 | |
| 30 | 92.5% | 51.1 | $0.042 | 2026-04-16 | |
| 31 | 92.5% | 58.1 | $0.026 | 2026-04-16 | |
| 32 | 92.3% | 42.3 | $0.0033 | 2026-04-16 | |
| 33 | 92.2% | 50.2 | $0.0043 | 2026-04-16 | |
| 34 | 92.1% | 55.3 | $0.0006 | 2026-04-16 | |
| 35 | 92.1% | 51.6 | $0.0007 | 2026-04-16 | |
| 36 | 92.1% | 57.6 | $0.035 | 2026-04-16 | |
| 37 | 91.4% | 47.5 | $0.0013 | 2026-04-16 | |
| 38 | 91.4% | 46.1 | $0.0006 | 2026-04-16 | |
| 39 | 91.2% | 46.6 | $0.0030 | 2026-04-16 | |
| 40 | 91.2% | 52.8 | $0.0013 | 2026-04-16 | |
| 41 | 91.2% | 53.8 | $0.0024 | 2026-04-16 | |
| 42 | 91.0% | 49.0 | $0.0038 | 2026-04-16 | |
| 43 | 90.8% | 47.2 | $0.0059 | 2026-04-16 | |
| 44 | 90.6% | 50.1 | $0.0012 | 2026-04-16 | |
| 45 | 90.3% | 50.0 | $0.0071 | 2026-04-16 | |
| 46 | 90.2% | 52.9 | $0.017 | 2026-04-16 | |
| 47 | 90.2% | – | $0.0043 | 2026-04-16 | |
| 48 | 90.1% | 53.7 | $0.0008 | 2026-04-16 | |
| 49 | 90.0% | 51.6 | $0.0034 | 2026-04-16 | |
| 50 | 89.5% | 43.7 | $0.0069 | 2026-04-16 | |
| 51 | 89.5% | 52.1 | $0.0002 | 2026-04-16 | |
| 52 | 88.9% | 49.6 | $0.0002 | 2026-04-16 | |
| 53 | 88.7% | 50.7 | $0.0006 | 2026-04-16 | |
| 54 | 88.2% | – | $0.0026 | 2026-04-16 | |
| 55 | 88.2% | 41.6 | $0.0028 | 2026-04-16 | |
| 56 | 87.4% | 54.2 | $0.0032 | 2026-04-16 | |
| 57 | 86.7% | 52.4 | $0.0011 | 2026-04-16 | |
| 58 | 84.8% | – | $0.0006 | 2026-04-16 | |
| 59 | 84.6% | 46.3 | $0.0005 | 2026-04-16 | |
| 60 | 84.0% | 51.1 | $0.0010 | 2026-04-16 |
関連するベンチマーク
MedQAでの注目のモデル比較
引用表記:BenchLeader「MedQA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/vals_medqa
MedQA:よくある質問
- MedQAは何を測るベンチマークですか?
- MedQAは、米国医師国家試験(USMLE)の問題をもとにしたもので、臨床の症例文に多肢選択式で答えます。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。
- MedQAの最高スコアは?
- 2026年11月16日時点で、MedQAの最高スコアは96.5%で、o1が記録しています(結果の日付は2026年4月16日)。次点はGPT-5.1の96.4%です。スコアはVals AIの公表値で、毎日読み直しています。
- MedQAでトップのAIモデルは?
- 2026年11月16日時点で、MedQAの首位はo1で、スコアは96.5%です(結果の日付は2026年4月16日)。続いてGPT-5.1(96.4%)です。
- MedQAの結果があるモデルはいくつですか?
- BenchLeaderでは93のモデル構成にMedQAの結果があり、すべてVals AIから取得しています。
- MedQA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?
- MedQAはVals AI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。
- MedQAはBenchLeader Indexに含まれますか?
- はい。MedQA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。