BenchLeader

WinoGrandeのリーダーボード

2026年11月16日時点で、WinoGrandeの最高スコアは89.2%で、Llama 3.1 405B(Meta)が記録しています。次点はClaude 3 Opusの88.5%です。公表された結果があるのは74のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2024年7月23日)。代名詞が何を指すかを常識で判断する質問です。WinoGrande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)

  • Llama 3.1 405BがWinoGrandeの最高スコア89.2%を記録しています(Epoch AI Benchmarking Hub、2024年7月23日)。
  • WinoGrandeの2位はClaude 3 Opusで、88.5%です(Epoch AI Benchmarking Hub、2024年2月29日)。
  • WinoGrande:代名詞の解決を問う常識問題。2019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74のモデル構成にWinoGrandeの公表結果があります(BenchLeader、2026年11月16日)。
  • WinoGrande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)。

代名詞の解決を問う常識問題。2019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
推論
Indexでの重み
参考のみ
モデル
74
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

代名詞が何を指すかを常識で判断する質問です。

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. 1Llama 3.1 405B89.2%
  2. 2Claude 3 Opus88.5%
  3. 3GPT-487.5%
  4. 4Falcon-180B87.1%
  5. 5Deepseek v286.3%
  6. 6DeepSeek V385.2%
  7. 7PaLM 540B85.1%
  8. 8DeepSeek-Coder-V2 236B83.7%
  9. 9Llama 3-70B83.5%
  10. 10PaLM 2-L83.0%
  11. 11Qwen2.5 72B82.3%
  12. 12GPT-3.5 Turbo (older v0613)81.6%
  13. 13text-davinci-00281.6%
  14. 14Phi 3 (medium)81.5%
  15. 15Phi 3 Small81.5%
74件中74件
#
1Llama 3.1 405B89.2%41.82024-07-23
2Claude 3 Opus88.5%38.82024-02-29
3GPT-487.5%42.32023-03-14
4Falcon-180B87.1%–2023-09-06
5Deepseek v286.3%–2024-05-07
6DeepSeek V385.2%44.32024-12-26
7PaLM 540B85.1%–2022-04-04
8DeepSeek-Coder-V2 236B83.7%–2024-06-17
9Llama 3-70B83.5%38.72024-04-18
10PaLM 2-L83.0%–2023-05-17
11Qwen2.5 72B82.3%43.12024-09-19
12GPT-3.5 Turbo (older v0613)81.6%–2023-06-13
13text-davinci-00281.6%–2022-03-15
14Phi 3medium81.5%37.82024-04-23
15Phi 3 Small81.5%–2024-04-23
16Qwen2.5 Coder 32B Instruct80.8%42.52024-09-18
17Llama 2-70B80.2%33.42023-07-18
18PaLM 2-M79.2%–2023-05-17
19Gemma 7B79.0%–2024-02-21
20Megatron-Turing NLG 530B78.9%–2021-10-11
21Falcon 2 11B78.3%–2024-05-09
22Nemotron-4 15B78.0%–2024-02-26
23PaLM 2-S77.9%–2023-05-17
24InstructGPT 175B77.7%–2022-01-27
25Mixtral 8x7B77.2%30.82023-12-11
26LLaMA-65B77.0%–2023-02-24
27PaLM 62B77.0%–2022-04-04
28Falcon-40B76.9%–2023-03-15
29Qwen2.5-Coder-14B76.8%–2024-09-18
30Llama 2-34B76.7%–2023-07-18
31LLaMA-33B76.0%–2023-02-24
32Llama 3-8B75.7%34.82024-04-18
33Mistral 7B v0.375.3%28.92023-09-27
34Claude 3 Sonnet75.1%37.72024-02-29
35Claude 3 Haiku74.2%36.12024-03-07
36Phi-1.573.4%–2023-09-11
37LLaMA-13B73.0%–2023-02-24
38Yi-9B73.0%–2024-03-01
39DeepSeek-Coder-V2-Lite-Base72.9%–2024-06-13
40Qwen2.5-Coder 7B Instruct72.9%–2024-09-18
41Llama 2-13B72.8%–2023-07-18
42Yi 6B71.3%–2023-11-02
43MPT-30B71.0%–2023-06-22
44Phi 3 Mini70.8%36.72024-04-23
45Vicuna 13B v1.170.8%–2023-04-12
46LLaMA-7B70.1%–2023-02-24
47Llama 2-7B69.2%–2023-07-18
48GPT 3.5 Turbo 110668.8%38.42023-11-06
49MPT-7B68.6%–2023-05-05
50Qwen2.5-Coder-3B67.4%–2024-09-18
51Falcon-7B67.2%–2023-04-24
52open_llama_7b67.0%–2023-06-07
53GPT-NeoX-20B66.1%–2022-04-07
54INTELLECT-165.8%–2024-11-29
55Gemma 2B65.4%–2024-02-21
56Xgen 7B Base64.9%–2023-06-27
57OPT-13B64.7%–2022-05-11
58GPT-J-6B64.5%–2021-08-05
59StarCoder2-15B64.3%–2024-02-20
60RedPajama-INCITE-7B-Base63.8%–2023-05-04

推論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「WinoGrande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/winogrande

WinoGrande:よくある質問

WinoGrandeは何を測るベンチマークですか?
代名詞が何を指すかを常識で判断する質問です。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。
WinoGrandeの最高スコアは?
2026年11月16日時点で、WinoGrandeの最高スコアは89.2%で、Llama 3.1 405Bが記録しています(結果の日付は2024年7月23日)。次点はClaude 3 Opus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。
WinoGrandeでトップのAIモデルは?
2026年11月16日時点で、WinoGrandeの首位はLlama 3.1 405Bで、スコアは89.2%です(結果の日付は2024年7月23日)。続いてClaude 3 Opus(88.5%)です。
WinoGrandeの結果があるモデルはいくつですか?
BenchLeaderでは74のモデル構成にWinoGrandeの結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
WinoGrande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?
WinoGrande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。
WinoGrandeはBenchLeader Indexに含まれますか?
いいえ。WinoGrande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。