BenchLeader

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。

发布方
Epoch AI Benchmarking Hub
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。

前 15 名
  1. 1Phi 3.5 Vision91.3%
  2. 2GPT-4o88.5%
  3. 3Gemini 1.0 Pro Vision79.7%
  4. 4falcon-11B-vlm74.9%
  5. 5Blip2 Opt 2 7B74.2%
  6. 6InstructGPT 175B74.0%
  7. 7LLaVA-NeXT 8B (Llama 3)73.7%
  8. 8LLaVA-1.6 Vicuna 13B73.6%
  9. 9LLaVA-1.6 Mistral 7B72.8%
  10. 10MM1-7B-Chat72.6%
  11. 11Claude 3 Haiku72.0%
  12. 12LLaVA-1.6 Vicuna 7B70.6%
  13. 13InternVL-Chat-ViT-6B-Vicuna-13B70.1%
  14. 14MM1-3B-Chat69.4%
  15. 15Qwen-VL68.2%
23 / 23
#
1Phi 3.5 Vision91.3%–2024-08-16
2GPT-4o88.5%42.82024-05-13
3Gemini 1.0 Pro Vision79.7%–2024-01-04
4falcon-11B-vlm74.9%–2024-05-21
5Blip2 Opt 2 7B74.2%–2023-02-06
6InstructGPT 175B74.0%–2022-01-27
7LLaVA-NeXT 8B (Llama 3)73.7%–2024-04-20
8LLaVA-1.6 Vicuna 13B73.6%–2024-01-31
9LLaVA-1.6 Mistral 7B72.8%–2024-01-31
10MM1-7B-Chat72.6%–2024-03-14
11Claude 3 Haiku72.0%36.12024-03-07
12LLaVA-1.6 Vicuna 7B70.6%–2024-01-31
13InternVL-Chat-ViT-6B-Vicuna-13B70.1%–2024-08-16
14MM1-3B-Chat69.4%–2024-03-14
15Qwen-VL68.2%–2023-08-20
16LLaVA-1.5 7B66.8%–2023-10-05
17InternVL-Chat-ViT-6B-Vicuna-7B66.2%–2023-12-25
18InstructBLIP Vicuna 13B63.1%–2023-12-25
19InstructBLIP Vicuna 7B60.5%–2023-05-22
20Llama 2-13B55.8%–2023-07-18
21LLaMA-13B43.3%–2023-02-24
22Llama 2-7B43.1%–2023-07-18
23LLaMA-7B36.2%–2023-02-24

更多多模态基准测试 · 全部大模型基准测试

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。