BenchLeader

OpenBookQA 排行榜

截至 2026年11月16日,OpenBookQA 的最高分为 88.0%,由 Phi 3 Mini 和 Phi 3 Small 并列取得,领先于 Phi 3(87.4%)。共有 41 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2024年4月23日)。附有一本开卷事实手册的初级科学题。OpenBookQA 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Phi 3 Mini 和 Phi 3 Small 以 88.0% 并列 OpenBookQA 最高分(Epoch AI Benchmarking Hub,2026年11月16日)。
  • OpenBookQA:可查阅一本事实“开卷书”的初级科学题。2018 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 41 个模型配置公布了 OpenBookQA 结果(BenchLeader,2026年11月16日)。
  • OpenBookQA 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

可查阅一本事实“开卷书”的初级科学题。2018 年的基准测试,对当前模型已饱和,保留作为历史记录。

发布方
Epoch AI Benchmarking Hub
类别
知识
Index 权重
仅作参考
模型
41
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

附有一本开卷事实手册的初级科学题。

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。

前 15 名
  1. 1Phi 3 Mini88.0%
  2. 2Phi 3 Small88.0%
  3. 3Phi 3 (medium)87.4%
  4. 4GPT 3.5 Turbo 110686.0%
  5. 5Mixtral 8x7B85.8%
  6. 6Llama 3-8B82.6%
  7. 7Mistral 7B v0.379.8%
  8. 8Gemma 7B78.6%
  9. 9Phi-273.6%
  10. 10PaLM 540B68.0%
  11. 11InstructGPT 175B65.4%
  12. 12Falcon-180B64.2%
  13. 13Llama 2-70B60.2%
  14. 14LLaMA-65B60.2%
  15. 15Llama 2-7B58.6%
41 / 41
#
1Phi 3 Mini88.0%36.72024-04-23
2Phi 3 Small88.0%–2024-04-23
3Phi 3medium87.4%37.82024-04-23
4GPT 3.5 Turbo 110686.0%38.42023-11-06
5Mixtral 8x7B85.8%30.82023-12-11
6Llama 3-8B82.6%34.82024-04-18
7Mistral 7B v0.379.8%28.92023-09-27
8Gemma 7B78.6%–2024-02-21
9Phi-273.6%–2023-12-12
10PaLM 540B68.0%–2022-04-04
11InstructGPT 175B65.4%–2022-01-27
12Falcon-180B64.2%–2023-09-06
13Llama 2-70B60.2%33.42023-07-18
14LLaMA-65B60.2%–2023-02-24
15Llama 2-7B58.6%–2023-07-18
16LLaMA-33B58.6%–2023-02-24
17Llama 2-34B58.2%–2023-07-18
18PaLM 2-M57.4%–2023-05-17
19LLaMA-7B57.2%–2023-02-24
20Llama 2-13B57.0%–2023-07-18
21Falcon-40B56.6%–2023-03-15
22LLaMA-13B56.4%–2023-02-24
23PaLM 2-S56.2%–2023-05-17
24MPT-30B52.0%–2023-06-22
25Falcon-7B51.6%–2023-04-24
26MPT-7B51.4%–2023-05-05
27PaLM 62B50.4%–2022-04-04
28Xgen 7B Base40.2%–2023-06-27
29RedPajama-INCITE-7B-Base40.0%–2023-05-04
30OPT-13B39.8%–2022-05-11
31Dolly v2 12B39.2%–2023-04-11
32open_llama_7b39.0%–2023-06-07
33GPT-NeoX-20B38.8%–2022-04-07
34GPT-J-6B38.2%–2021-08-05
35Phi-1.537.2%–2023-09-11
36Cerebras-GPT-13B35.8%–2023-03-20
37Vicuna 13B v1.133.0%–2023-04-12
38StableLM Tuned Alpha 7B32.4%–2023-04-19
39OPT-1.3B24.0%–2022-05-11
40GPT-Neo-2.7B23.2%–2021-03-30
41Gpt2 Xl22.4%–2019-11-05

更多知识基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《OpenBookQA 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/openbookqa。

OpenBookQA:常见问题

OpenBookQA 衡量的是什么?
附有一本开卷事实手册的初级科学题。分数以完成任务的百分比表示,越高越好。
OpenBookQA 的最高分是多少?
截至 2026年11月16日,OpenBookQA 的最高分为 88.0%,由 Phi 3 Mini 和 Phi 3 Small 并列取得,领先于 Phi 3(87.4%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
哪个 AI 模型在 OpenBookQA 上领先?
截至 2026年11月16日,Phi 3 Mini 和 Phi 3 Small 以 88.0% 并列 OpenBookQA 第一。
有多少模型有 OpenBookQA 结果?
BenchLeader 上有 41 个模型配置有 OpenBookQA 结果,全部取自 Epoch AI Benchmarking Hub。
OpenBookQA 由谁运行,多久更新一次?
OpenBookQA 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。
OpenBookQA 是否计入 BenchLeader Index?
不计入。OpenBookQA 仅作参考展示,不计入综合分数。