BenchLeader

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。

93件中93件
#
1o1high96.5%49.5$0.0532026-04-16
2GPT-5.1high96.4%57.5$0.00982026-04-16
3Gemini 3.1 Prohigh96.4%60.4$0.0182026-04-16
4GPT-5high96.3%58.2$0.0212026-04-16
5GPT-5.4xhigh96.1%63.1$0.0442026-04-16
6o3high96.1%55.1$0.00542026-04-16
7GPT-5 minihigh96.1%54.6$0.00302026-04-16
8Gemini 3 Prohigh96.0%60.0$0.0292026-04-16
9o4-minihigh96.0%51.2$0.00282026-04-16
10Claude Opus 4.5thinking95.9%59.3$0.1482026-04-16
11Gemini 3 Flashhigh95.8%57.4$0.0132026-04-16
12Claude Opus 4.6thinking95.4%–$0.0272026-04-16
13Qwen3.5 Plusthinking95.2%57.4$0.00832026-04-16
14o3-minihigh94.8%47.9$0.00532026-04-16
15Claude Sonnet 4.5thinking94.7%52.3$0.0312026-04-16
16Grok 4.20thinking94.5%58.3$0.00912026-04-16
17Kimi K2.5thinking94.4%59.4$0.00702026-04-16
18GLM-5thinking94.3%60.2$0.00802026-04-16
19GPT-5.2xhigh94.1%59.9$0.0222026-04-16
20DeepSeek V3.2high93.9%54.2$0.00082026-04-16
21GLM 4.793.7%51.7$0.00492026-04-16
22Claude Opus 4.1thinking93.6%58.1$0.0882026-04-16
23GPT-5 nanohigh93.3%47.4$0.00132026-04-16
24Claude Opus 4.593.2%57.1$0.0432026-04-16
25Gemini 2.5 Pro93.1%55.2$0.00292026-04-16
26Claude Opus 492.9%51.9$0.0382026-04-16
27Claude Sonnet 4thinking92.7%53.8$0.0252026-04-16
28Kimi K2 Thinkingthinking92.6%52.3$0.00622026-04-16
29MiniMax M2.592.5%53.7$0.00292026-04-16
30Claude Opus 4.192.5%51.1$0.0422026-04-16
31Grok 492.5%58.1$0.0262026-04-16
32Grok 292.3%42.3$0.00332026-04-16
33GLM-4.692.2%50.2$0.00432026-04-16
34Grok 4.1 Fastthinking92.1%55.3$0.00062026-04-16
35Grok 4 Fastthinking92.1%51.6$0.00072026-04-16
36Claude Sonnet 4.692.1%57.6$0.0352026-04-16
37Gemini 2.5 Flash 09 202591.4%47.5$0.00132026-04-16
38gpt-oss-120b91.4%46.1$0.00062026-04-16
39GPT-4.1high91.2%46.6$0.00302026-04-16
40Gemini 2.5 Flash 09 2025thinking91.2%52.8$0.00132026-04-16
41MiniMax-M2.191.2%53.8$0.00242026-04-16
42Gemini 2.5 Flashthinking91.0%49.0$0.00382026-04-16
43DeepSeek R190.8%47.2$0.00592026-04-16
44Qwen3 235B A22B90.6%50.1$0.00122026-04-16
45Claude Sonnet 490.3%50.0$0.00712026-04-16
46Claude 3.7 Sonnetthinking90.2%52.9$0.0172026-04-16
47o1-minihigh90.2%–$0.00432026-04-16
48Grok 3 Mini Fasthigh90.1%53.7$0.00082026-04-16
49GLM-4.590.0%51.6$0.00342026-04-16
50Magistral Medium 1.289.5%43.7$0.00692026-04-16
51DeepSeek V3.2推論なし89.5%52.1$0.00022026-04-16
52Gemini 2.5 Flash Lite 09thinking88.9%49.6$0.00022026-04-16
53Grok 3 Mini Fastlow88.7%50.7$0.00062026-04-16
54Llama Meta Llama 3.1 405B Turbo88.2%–$0.00262026-04-16
55GPT-4ohigh88.2%41.6$0.00282026-04-16
56Qwen3 Maxmax87.4%54.2$0.00322026-04-16
57Gemini 2.5 Flash86.7%52.4$0.00112026-04-16
58Llama Meta Llama 3.1 70B Turbo84.8%–$0.00062026-04-16
59GPT-4.1 minihigh84.6%46.3$0.00052026-04-16
60Kimi K284.0%51.1$0.00102026-04-16

知識のベンチマークをもっと見る · LLMベンチマーク一覧

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。