BIG-Bench Hard 排行榜
截至 2026年11月16日,BIG-Bench Hard 的最高分为 89.2%,由 Gemini 1.5 Pro 001(Google)取得,领先于 DeepSeek V3(87.5%)。共有 43 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2024年5月14日)。取自 BIG-Bench 的 23 项高难度任务。BIG-Bench Hard 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Gemini 1.5 Pro 001 以 89.2% 保持 BIG-Bench Hard 最高分(Epoch AI Benchmarking Hub,2024年5月14日)。
- DeepSeek V3 以 87.5% 位列 BIG-Bench Hard 第二(Epoch AI Benchmarking Hub,2024年12月26日)。
- BIG-Bench Hard:来自 BIG-Bench 的 23 项高难度任务。2022 年的基准测试,对当前模型已饱和,保留作为历史记录(Epoch AI Benchmarking Hub)。
- BenchLeader 上有 43 个模型配置公布了 BIG-Bench Hard 结果(BenchLeader,2026年11月16日)。
- BIG-Bench Hard 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
来自 BIG-Bench 的 23 项高难度任务。2022 年的基准测试,对当前模型已饱和,保留作为历史记录。
- 类别
- 推理
- Index 权重
- 仅作参考
- 模型
- 43
- 数据截至
- 2026年11月16日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
取自 BIG-Bench 的 23 项高难度任务。
评分方式
准确率,由 Epoch AI 根据已公布的结果汇编。
注意事项
已饱和:前沿模型的得分接近上限,所以它只能区分较旧或较小的模型,而且结果大多由提供商自报。
- 1Gemini 1.5 Pro 00189.2%
- 2DeepSeek V387.5%
- 3Gemini 1.5 Pro 001 Feb2484.0%
- 4Llama 3.1 405B82.9%
- 5Phi 3 (medium)81.4%
- 6Qwen2.5 72B79.8%
- 7Phi 3 Small79.1%
- 8Deepseek v278.8%
- 9GPT 4 061375.1%
- 10Phi 3 Mini71.7%
- 11Yi-34B71.7%
- 12Stable Beluga 269.3%
- 13Llama 2-70B64.9%
- 14GPT-3.5 Turbo (older v0613)61.6%
- 15Phi-259.4%
43 / 43
| # | ||||
|---|---|---|---|---|
| 1 | 89.2% | – | 2024-05-14 | |
| 2 | 87.5% | 44.3 | 2024-12-26 | |
| 3 | 84.0% | – | 2024-02-15 | |
| 4 | 82.9% | 41.8 | 2024-07-23 | |
| 5 | 81.4% | 37.8 | 2024-04-23 | |
| 6 | 79.8% | 43.1 | 2024-09-19 | |
| 7 | 79.1% | – | 2024-04-23 | |
| 8 | 78.8% | – | 2024-05-07 | |
| 9 | 75.1% | 39.5 | 2023-06-13 | |
| 10 | 71.7% | 36.7 | 2024-04-23 | |
| 11 | 71.7% | 34.7 | 2023-11-22 | |
| 12 | 69.3% | – | 2023-07-20 | |
| 13 | 64.9% | 33.4 | 2023-07-18 | |
| 14 | 61.6% | – | 2023-06-13 | |
| 15 | 59.4% | – | 2023-12-12 | |
| 16 | 58.7% | – | 2024-02-26 | |
| 17 | 58.4% | – | 2023-02-24 | |
| 18 | 58.2% | – | 2023-07-18 | |
| 19 | 56.1% | 28.9 | 2023-09-27 | |
| 20 | 55.1% | – | 2024-02-21 | |
| 21 | 55.0% | – | 2023-09-24 | |
| 22 | 52.5% | – | 2023-09-18 | |
| 23 | 50.0% | – | 2023-02-24 | |
| 24 | 49.0% | – | 2023-09-06 | |
| 25 | 47.2% | – | 2023-11-22 | |
| 26 | 45.0% | – | 2023-09-28 | |
| 27 | 44.1% | – | 2023-07-18 | |
| 28 | 43.0% | – | 2023-04-12 | |
| 29 | 43.0% | – | 2023-07-11 | |
| 30 | 41.6% | – | 2023-09-20 | |
| 31 | 39.2% | – | 2023-07-18 | |
| 32 | 38.0% | – | 2023-06-22 | |
| 33 | 37.9% | – | 2023-02-24 | |
| 34 | 37.1% | – | 2023-03-15 | |
| 35 | 37.0% | – | 2023-07-05 | |
| 36 | 35.6% | – | 2023-05-05 | |
| 37 | 35.2% | – | 2024-02-21 | |
| 38 | 34.9% | – | 2024-11-29 | |
| 39 | 33.7% | – | 2023-06-24 | |
| 40 | 33.5% | – | 2023-02-24 | |
| 41 | 32.5% | – | 2023-06-01 | |
| 42 | 28.8% | – | 2023-04-24 | |
| 43 | 28.2% | – | 2023-11-30 |
引用格式:BenchLeader,《BIG-Bench Hard 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/bbh。
BIG-Bench Hard:常见问题
- BIG-Bench Hard 衡量的是什么?
- 取自 BIG-Bench 的 23 项高难度任务。分数以完成任务的百分比表示,越高越好。
- BIG-Bench Hard 的最高分是多少?
- 截至 2026年11月16日,BIG-Bench Hard 的最高分为 89.2%,由 Gemini 1.5 Pro 001 取得(结果日期 2024年5月14日),领先于 DeepSeek V3(87.5%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 BIG-Bench Hard 上领先?
- 截至 2026年11月16日,BIG-Bench Hard 排名第一的是 Gemini 1.5 Pro 001,分数为 89.2%(结果日期 2024年5月14日)。其后为 DeepSeek V3(87.5%)。
- 有多少模型有 BIG-Bench Hard 结果?
- BenchLeader 上有 43 个模型配置有 BIG-Bench Hard 结果,全部取自 Epoch AI Benchmarking Hub。
- BIG-Bench Hard 由谁运行,多久更新一次?
- BIG-Bench Hard 由 Epoch AI Benchmarking Hub 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- BIG-Bench Hard 是否计入 BenchLeader Index?
- 不计入。BIG-Bench Hard 仅作参考展示,不计入综合分数。