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。
- 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。
- 1Phi 3 Mini88.0%
- 2Phi 3 Small88.0%
- 3Phi 3 (medium)87.4%
- 4GPT 3.5 Turbo 110686.0%
- 5Mixtral 8x7B85.8%
- 6Llama 3-8B82.6%
- 7Mistral 7B v0.379.8%
- 8Gemma 7B78.6%
- 9Phi-273.6%
- 10PaLM 540B68.0%
- 11InstructGPT 175B65.4%
- 12Falcon-180B64.2%
- 13Llama 2-70B60.2%
- 14LLaMA-65B60.2%
- 15Llama 2-7B58.6%
41 / 41
| # | ||||
|---|---|---|---|---|
| 1 | 88.0% | 36.7 | 2024-04-23 | |
| 2 | 88.0% | – | 2024-04-23 | |
| 3 | 87.4% | 37.8 | 2024-04-23 | |
| 4 | 86.0% | 38.4 | 2023-11-06 | |
| 5 | 85.8% | 30.8 | 2023-12-11 | |
| 6 | 82.6% | 34.8 | 2024-04-18 | |
| 7 | 79.8% | 28.9 | 2023-09-27 | |
| 8 | 78.6% | – | 2024-02-21 | |
| 9 | 73.6% | – | 2023-12-12 | |
| 10 | 68.0% | – | 2022-04-04 | |
| 11 | 65.4% | – | 2022-01-27 | |
| 12 | 64.2% | – | 2023-09-06 | |
| 13 | 60.2% | 33.4 | 2023-07-18 | |
| 14 | 60.2% | – | 2023-02-24 | |
| 15 | 58.6% | – | 2023-07-18 | |
| 16 | 58.6% | – | 2023-02-24 | |
| 17 | 58.2% | – | 2023-07-18 | |
| 18 | 57.4% | – | 2023-05-17 | |
| 19 | 57.2% | – | 2023-02-24 | |
| 20 | 57.0% | – | 2023-07-18 | |
| 21 | 56.6% | – | 2023-03-15 | |
| 22 | 56.4% | – | 2023-02-24 | |
| 23 | 56.2% | – | 2023-05-17 | |
| 24 | 52.0% | – | 2023-06-22 | |
| 25 | 51.6% | – | 2023-04-24 | |
| 26 | 51.4% | – | 2023-05-05 | |
| 27 | 50.4% | – | 2022-04-04 | |
| 28 | 40.2% | – | 2023-06-27 | |
| 29 | 40.0% | – | 2023-05-04 | |
| 30 | 39.8% | – | 2022-05-11 | |
| 31 | 39.2% | – | 2023-04-11 | |
| 32 | open_llama_7b | 39.0% | – | 2023-06-07 |
| 33 | 38.8% | – | 2022-04-07 | |
| 34 | 38.2% | – | 2021-08-05 | |
| 35 | 37.2% | – | 2023-09-11 | |
| 36 | 35.8% | – | 2023-03-20 | |
| 37 | 33.0% | – | 2023-04-12 | |
| 38 | 32.4% | – | 2023-04-19 | |
| 39 | 24.0% | – | 2022-05-11 | |
| 40 | 23.2% | – | 2021-03-30 | |
| 41 | 22.4% | – | 2019-11-05 |
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。