PIQA 排行榜
截至 2026年11月16日,PIQA 的最高分为 88.7%,由 GPT-4o mini(OpenAI)取得,领先于 Phi-3.5-MoE(88.6%)。共有 56 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2024年7月18日)。物理常识问题。PIQA 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- GPT-4o mini 以 88.7% 保持 PIQA 最高分(Epoch AI Benchmarking Hub,2024年7月18日)。
- Phi-3.5-MoE 以 88.6% 位列 PIQA 第二(Epoch AI Benchmarking Hub,2024年8月17日)。
- PIQA:物理常识题。2019 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 56 个模型配置公布了 PIQA 结果(BenchLeader,2026年11月16日)。
- PIQA 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
物理常识题。2019 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
- 56
- 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
物理常识问题。
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。
- 1GPT-4o mini88.7%
- 2Phi-3.5-MoE88.6%
- 3Gemini 1.5 Flash 00287.5%
- 4Llama 3.1 405B85.9%
- 5Falcon-180B84.9%
- 6Deepseek v3 Base84.7%
- 7Inflection-184.2%
- 8Deepseek v283.9%
- 9Gemma 2 9B83.7%
- 10Mixtral 8x7B83.6%
- 11Mistral Nemo Base 240783.5%
- 12Stable Beluga 283.3%
- 13Megatron-Turing NLG 530B83.2%
- 14Mistral 7B v0.383.0%
- 15Falcon-40B83.0%
56 / 56
| # | ||||
|---|---|---|---|---|
| 1 | 88.7% | 35.2 | 2024-07-18 | |
| 2 | 88.6% | – | 2024-08-17 | |
| 3 | 87.5% | 38.2 | 2024-09-24 | |
| 4 | 85.9% | 41.8 | 2024-07-23 | |
| 5 | 84.9% | – | 2023-09-06 | |
| 6 | 84.7% | – | 2024-12-26 | |
| 7 | 84.2% | – | 2023-06-22 | |
| 8 | 83.9% | – | 2024-05-07 | |
| 9 | 83.7% | 38.8 | – | |
| 10 | 83.6% | 30.8 | 2023-12-11 | |
| 11 | 83.5% | – | 2024-07-18 | |
| 12 | 83.3% | – | 2023-07-20 | |
| 13 | 83.2% | – | 2021-10-11 | |
| 14 | 83.0% | 28.9 | 2023-09-27 | |
| 15 | 83.0% | – | 2023-03-15 | |
| 16 | 82.8% | 33.4 | 2023-07-18 | |
| 17 | 82.8% | – | 2023-02-24 | |
| 18 | 82.6% | 43.1 | 2024-09-19 | |
| 19 | 82.4% | – | 2024-02-26 | |
| 20 | 82.3% | – | 2022-01-27 | |
| 21 | 82.3% | – | 2023-02-24 | |
| 22 | 82.3% | – | 2022-04-04 | |
| 23 | 81.9% | – | 2023-06-22 | |
| 24 | 81.9% | – | 2023-07-18 | |
| 25 | 81.2% | 33.0 | 2024-07-23 | |
| 26 | 81.2% | – | 2024-02-21 | |
| 27 | 81.0% | – | 2024-08-16 | |
| 28 | 80.8% | – | 2023-07-18 | |
| 29 | 80.6% | – | 2023-05-05 | |
| 30 | 80.5% | – | 2022-04-04 | |
| 31 | 80.3% | – | 2023-04-24 | |
| 32 | 80.3% | – | 2023-09-18 | |
| 33 | 80.1% | – | 2023-02-24 | |
| 34 | 79.9% | – | 2023-09-28 | |
| 35 | 79.8% | – | 2023-02-24 | |
| 36 | 78.8% | – | 2023-07-18 | |
| 37 | 78.1% | – | 2023-09-06 | |
| 38 | 77.9% | – | 2023-07-05 | |
| 39 | 77.9% | – | 2023-09-28 | |
| 40 | 77.4% | – | 2023-04-12 | |
| 41 | 77.3% | – | 2024-02-21 | |
| 42 | 76.9% | – | 2023-05-04 | |
| 43 | 76.7% | – | 2022-04-07 | |
| 44 | 76.2% | – | 2023-06-01 | |
| 45 | open_llama_7b | 76.0% | – | 2023-06-07 |
| 46 | 75.7% | – | 2022-05-11 | |
| 47 | 75.5% | – | 2023-06-27 | |
| 48 | 75.4% | – | 2023-04-11 | |
| 49 | 75.4% | – | 2021-08-05 | |
| 50 | 73.5% | – | 2023-03-20 | |
| 51 | 73.3% | – | 2023-11-30 | |
| 52 | 72.9% | – | 2021-03-30 | |
| 53 | 70.5% | – | 2019-11-05 | |
| 54 | 69.6% | – | 2023-06-24 | |
| 55 | 69.0% | – | 2022-05-11 | |
| 56 | 65.8% | – | 2023-04-19 |
引用格式:BenchLeader,《PIQA 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/piqa。
PIQA:常见问题
- PIQA 衡量的是什么?
- 物理常识问题。分数以完成任务的百分比表示,越高越好。
- PIQA 的最高分是多少?
- 截至 2026年11月16日,PIQA 的最高分为 88.7%,由 GPT-4o mini 取得(结果日期 2024年7月18日),领先于 Phi-3.5-MoE(88.6%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 PIQA 上领先?
- 截至 2026年11月16日,PIQA 排名第一的是 GPT-4o mini,分数为 88.7%(结果日期 2024年7月18日)。其后为 Phi-3.5-MoE(88.6%)。
- 有多少模型有 PIQA 结果?
- BenchLeader 上有 56 个模型配置有 PIQA 结果,全部取自 Epoch AI Benchmarking Hub。
- PIQA 由谁运行,多久更新一次?
- PIQA 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。
- PIQA 是否计入 BenchLeader Index?
- 不计入。PIQA 仅作参考展示,不计入综合分数。