BenchLeader

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。

发布方
Epoch AI Benchmarking Hub
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。

前 15 名
  1. 1GPT-4o mini88.7%
  2. 2Phi-3.5-MoE88.6%
  3. 3Gemini 1.5 Flash 00287.5%
  4. 4Llama 3.1 405B85.9%
  5. 5Falcon-180B84.9%
  6. 6Deepseek v3 Base84.7%
  7. 7Inflection-184.2%
  8. 8Deepseek v283.9%
  9. 9Gemma 2 9B83.7%
  10. 10Mixtral 8x7B83.6%
  11. 11Mistral Nemo Base 240783.5%
  12. 12Stable Beluga 283.3%
  13. 13Megatron-Turing NLG 530B83.2%
  14. 14Mistral 7B v0.383.0%
  15. 15Falcon-40B83.0%
56 / 56
#
1GPT-4o mini88.7%35.22024-07-18
2Phi-3.5-MoE88.6%–2024-08-17
3Gemini 1.5 Flash 00287.5%38.22024-09-24
4Llama 3.1 405B85.9%41.82024-07-23
5Falcon-180B84.9%–2023-09-06
6Deepseek v3 Base84.7%–2024-12-26
7Inflection-184.2%–2023-06-22
8Deepseek v283.9%–2024-05-07
9Gemma 2 9B83.7%38.8–
10Mixtral 8x7B83.6%30.82023-12-11
11Mistral Nemo Base 240783.5%–2024-07-18
12Stable Beluga 283.3%–2023-07-20
13Megatron-Turing NLG 530B83.2%–2021-10-11
14Mistral 7B v0.383.0%28.92023-09-27
15Falcon-40B83.0%–2023-03-15
16Llama 2-70B82.8%33.42023-07-18
17LLaMA-65B82.8%–2023-02-24
18Qwen2.5 72B82.6%43.12024-09-19
19Nemotron-4 15B82.4%–2024-02-26
20InstructGPT 175B82.3%–2022-01-27
21LLaMA-33B82.3%–2023-02-24
22PaLM 540B82.3%–2022-04-04
23MPT-30B81.9%–2023-06-22
24Llama 2-34B81.9%–2023-07-18
25Llama 3.1 8B81.2%33.02024-07-23
26Gemma 7B81.2%–2024-02-21
27Phi-3.5-mini81.0%–2024-08-16
28Llama 2-13B80.8%–2023-07-18
29MPT-7B80.6%–2023-05-05
30PaLM 62B80.5%–2022-04-04
31Falcon-7B80.3%–2023-04-24
32InternLM 20B80.3%–2023-09-18
33LLaMA-13B80.1%–2023-02-24
34Qwen-14B79.9%–2023-09-28
35LLaMA-7B79.8%–2023-02-24
36Llama 2-7B78.8%–2023-07-18
37Baichuan2-13B78.1%–2023-09-06
38InternLM 7B77.9%–2023-07-05
39Qwen-7B77.9%–2023-09-28
40Vicuna 13B v1.177.4%–2023-04-12
41Gemma 2B77.3%–2024-02-21
42RedPajama-INCITE-7B-Base76.9%–2023-05-04
43GPT-NeoX-20B76.7%–2022-04-07
44Baichuan1-7B76.2%–2023-06-01
45open_llama_7b76.0%–2023-06-07
46OPT-13B75.7%–2022-05-11
47Xgen 7B Base75.5%–2023-06-27
48Dolly v2 12B75.4%–2023-04-11
49GPT-J-6B75.4%–2021-08-05
50Cerebras-GPT-13B73.5%–2023-03-20
51Qwen-1_8B73.3%–2023-11-30
52GPT-Neo-2.7B72.9%–2021-03-30
53Gpt2 Xl70.5%–2019-11-05
54ChatGLM2-6B69.6%–2023-06-24
55OPT-1.3B69.0%–2022-05-11
56StableLM Tuned Alpha 7B65.8%–2023-04-19

更多推理基准测试 · 全部大模型基准测试

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。