GSM8K 排行榜
截至 2026年11月16日,GSM8K 的最高分为 94.5%,由 Deepseek Coder v2(DeepSeek)取得,领先于 Qwen2.5-Coder-14B(94.2%)。共有 73 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2024年6月17日)。小学数学应用题。GSM8K 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Deepseek Coder v2 以 94.5% 保持 GSM8K 最高分(Epoch AI Benchmarking Hub,2024年6月17日)。
- Qwen2.5-Coder-14B 以 94.2% 位列 GSM8K 第二(Epoch AI Benchmarking Hub,2024年11月6日)。
- GSM8K:小学数学应用题。2021 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 73 个模型配置公布了 GSM8K 结果(BenchLeader,2026年11月16日)。
- GSM8K 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
小学数学应用题。2021 年的基准测试,对当前模型已饱和,保留作为历史记录。
- 类别
- 数学
- Index 权重
- 仅作参考
- 模型
- 73
- 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
小学数学应用题。
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。
- 1Deepseek Coder v294.5%
- 2Qwen2.5-Coder-14B94.2%
- 3Qwen2.5 Coder 32B Instruct93.0%
- 4GPT-492.0%
- 5GPT-4o mini91.3%
- 6GPT 4 061390.0%
- 7Phi-3.5-MoE88.7%
- 8DeepSeek-Coder-V2-Lite-Instruct87.6%
- 9Claude Instant 1.286.7%
- 10Qwen2.5-Coder 7B Instruct86.7%
- 11Phi-3.5-mini86.2%
- 12DeepSeek-Coder-V2 236B85.8%
- 13Gemma 2 9B84.9%
- 14Mistral Nemo Base 240784.2%
- 15Llama 3.1 8B82.4%
73 / 73
| # | ||||
|---|---|---|---|---|
| 1 | 94.5% | – | 2024-06-17 | |
| 2 | 94.2% | – | 2024-11-06 | |
| 3 | 93.0% | 42.5 | 2024-11-21 | |
| 4 | 92.0% | 42.3 | 2023-03-14 | |
| 5 | 91.3% | 35.2 | 2024-07-18 | |
| 6 | 90.0% | 39.5 | 2023-06-13 | |
| 7 | 88.7% | – | 2024-08-17 | |
| 8 | 87.6% | – | 2024-06-13 | |
| 9 | 86.7% | – | 2023-08-09 | |
| 10 | 86.7% | – | 2024-09-17 | |
| 11 | 86.2% | – | 2024-08-16 | |
| 12 | 85.8% | – | 2024-06-17 | |
| 13 | 84.9% | 38.8 | – | |
| 14 | 84.2% | – | 2024-07-18 | |
| 15 | 82.4% | 33.0 | 2024-07-23 | |
| 16 | 82.4% | – | 2024-05-23 | |
| 17 | 80.9% | – | – | |
| 18 | 80.7% | – | 2024-11-06 | |
| 19 | 78.2% | – | 2022-11-28 | |
| 20 | 76.0% | 34.7 | 2023-11-22 | |
| 21 | 74.4% | 30.8 | 2023-12-11 | |
| 22 | 69.6% | 33.4 | 2023-07-18 | |
| 23 | 69.6% | – | 2023-07-20 | |
| 24 | 67.1% | – | 2024-06-13 | |
| 25 | 65.8% | – | 2024-09-18 | |
| 26 | 62.9% | – | 2023-09-18 | |
| 27 | 61.3% | – | 2023-09-28 | |
| 28 | 57.8% | – | 2023-06-13 | |
| 29 | 57.7% | – | 2024-02-20 | |
| 30 | 56.8% | – | 2022-03-15 | |
| 31 | 56.5% | – | 2022-04-04 | |
| 32 | 54.4% | 28.9 | 2023-09-27 | |
| 33 | 54.4% | – | 2023-09-06 | |
| 34 | 54.4% | – | 2023-02-24 | |
| 35 | 53.8% | – | 2024-05-09 | |
| 36 | 52.8% | – | 2023-09-06 | |
| 37 | 51.7% | – | 2023-09-28 | |
| 38 | 46.4% | – | 2024-02-21 | |
| 39 | 46.0% | – | 2024-02-26 | |
| 40 | 44.9% | – | 2023-11-22 | |
| 41 | 44.1% | – | 2023-02-24 | |
| 42 | 42.2% | – | 2023-07-18 | |
| 43 | 41.5% | – | 2022-03-15 | |
| 44 | 38.6% | – | 2024-11-29 | |
| 45 | 37.7% | – | 2024-04-15 | |
| 46 | 36.9% | – | 2023-07-18 | |
| 47 | 35.4% | – | 2023-11-02 | |
| 48 | 34.5% | – | 2024-09-18 | |
| 49 | 34.4% | – | 2023-06-22 | |
| 50 | 33.8% | – | 2023-05-25 | |
| 51 | 33.0% | – | 2022-04-04 | |
| 52 | 32.7% | – | 2024-02-20 | |
| 53 | 32.4% | – | 2023-06-24 | |
| 54 | 31.2% | – | 2023-07-05 | |
| 55 | 28.1% | – | 2023-04-12 | |
| 56 | 26.8% | – | 2023-07-11 | |
| 57 | 24.6% | – | 2023-09-20 | |
| 58 | 21.6% | – | 2024-02-22 | |
| 59 | 21.3% | – | 2023-11-02 | |
| 60 | 21.2% | – | 2023-11-30 |
引用格式:BenchLeader,《GSM8K 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/gsm8k。
GSM8K:常见问题
- GSM8K 衡量的是什么?
- 小学数学应用题。分数以完成任务的百分比表示,越高越好。
- GSM8K 的最高分是多少?
- 截至 2026年11月16日,GSM8K 的最高分为 94.5%,由 Deepseek Coder v2 取得(结果日期 2024年6月17日),领先于 Qwen2.5-Coder-14B(94.2%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 GSM8K 上领先?
- 截至 2026年11月16日,GSM8K 排名第一的是 Deepseek Coder v2,分数为 94.5%(结果日期 2024年6月17日)。其后为 Qwen2.5-Coder-14B(94.2%)。
- 有多少模型有 GSM8K 结果?
- BenchLeader 上有 73 个模型配置有 GSM8K 结果,全部取自 Epoch AI Benchmarking Hub。
- GSM8K 由谁运行,多久更新一次?
- GSM8K 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。
- GSM8K 是否计入 BenchLeader Index?
- 不计入。GSM8K 仅作参考展示,不计入综合分数。