ScienceQA 排行榜
截至 2026年11月16日,ScienceQA 的最高分为 91.3%,由 Phi 3.5 Vision(Microsoft)取得,领先于 GPT-4o(88.5%)。共有 23 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2024年8月16日)。附有示意图的科学题。ScienceQA 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Phi 3.5 Vision 以 91.3% 保持 ScienceQA 最高分(Epoch AI Benchmarking Hub,2024年8月16日)。
- GPT-4o 以 88.5% 位列 ScienceQA 第二(Epoch AI Benchmarking Hub,2024年5月13日)。
- ScienceQA:带图表的科学题。2022 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 23 个模型配置公布了 ScienceQA 结果(BenchLeader,2026年11月16日)。
- ScienceQA 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
带图表的科学题。2022 年的基准测试,对当前模型已饱和,保留作为历史记录。
- 类别
- 多模态
- Index 权重
- 仅作参考
- 模型
- 23
- 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
附有示意图的科学题。
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 3.5 Vision91.3%
- 2GPT-4o88.5%
- 3Gemini 1.0 Pro Vision79.7%
- 4falcon-11B-vlm74.9%
- 5Blip2 Opt 2 7B74.2%
- 6InstructGPT 175B74.0%
- 7LLaVA-NeXT 8B (Llama 3)73.7%
- 8LLaVA-1.6 Vicuna 13B73.6%
- 9LLaVA-1.6 Mistral 7B72.8%
- 10MM1-7B-Chat72.6%
- 11Claude 3 Haiku72.0%
- 12LLaVA-1.6 Vicuna 7B70.6%
- 13InternVL-Chat-ViT-6B-Vicuna-13B70.1%
- 14MM1-3B-Chat69.4%
- 15Qwen-VL68.2%
23 / 23
| # | ||||
|---|---|---|---|---|
| 1 | 91.3% | – | 2024-08-16 | |
| 2 | 88.5% | 42.8 | 2024-05-13 | |
| 3 | 79.7% | – | 2024-01-04 | |
| 4 | 74.9% | – | 2024-05-21 | |
| 5 | 74.2% | – | 2023-02-06 | |
| 6 | 74.0% | – | 2022-01-27 | |
| 7 | 73.7% | – | 2024-04-20 | |
| 8 | 73.6% | – | 2024-01-31 | |
| 9 | 72.8% | – | 2024-01-31 | |
| 10 | 72.6% | – | 2024-03-14 | |
| 11 | 72.0% | 36.1 | 2024-03-07 | |
| 12 | 70.6% | – | 2024-01-31 | |
| 13 | 70.1% | – | 2024-08-16 | |
| 14 | 69.4% | – | 2024-03-14 | |
| 15 | 68.2% | – | 2023-08-20 | |
| 16 | 66.8% | – | 2023-10-05 | |
| 17 | 66.2% | – | 2023-12-25 | |
| 18 | 63.1% | – | 2023-12-25 | |
| 19 | 60.5% | – | 2023-05-22 | |
| 20 | 55.8% | – | 2023-07-18 | |
| 21 | 43.3% | – | 2023-02-24 | |
| 22 | 43.1% | – | 2023-07-18 | |
| 23 | 36.2% | – | 2023-02-24 |
引用格式:BenchLeader,《ScienceQA 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/scienceqa。
ScienceQA:常见问题
- ScienceQA 衡量的是什么?
- 附有示意图的科学题。分数以完成任务的百分比表示,越高越好。
- ScienceQA 的最高分是多少?
- 截至 2026年11月16日,ScienceQA 的最高分为 91.3%,由 Phi 3.5 Vision 取得(结果日期 2024年8月16日),领先于 GPT-4o(88.5%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 ScienceQA 上领先?
- 截至 2026年11月16日,ScienceQA 排名第一的是 Phi 3.5 Vision,分数为 91.3%(结果日期 2024年8月16日)。其后为 GPT-4o(88.5%)。
- 有多少模型有 ScienceQA 结果?
- BenchLeader 上有 23 个模型配置有 ScienceQA 结果,全部取自 Epoch AI Benchmarking Hub。
- ScienceQA 由谁运行,多久更新一次?
- ScienceQA 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。
- ScienceQA 是否计入 BenchLeader Index?
- 不计入。ScienceQA 仅作参考展示,不计入综合分数。