SimpleQA Verified 排行榜
截至 2026年11月16日,SimpleQA Verified 的最高分为 94.0%,由 Claude Fable 5.2(Anthropic)取得,领先于 Gemini 4 Carbon(77.7%)。共有 99 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2026年11月9日)。只有一个可核实答案的简短事实问题(例如“谁获得了 1988 年诺贝尔化学奖?”),取自 OpenAI SimpleQA 经清理和复核的子集。SimpleQA Verified 计入 BenchLeader Index 的知识得分。
要点(截至 2026年11月16日)
- Claude Fable 5.2 以 94.0% 保持 SimpleQA Verified 最高分(Epoch AI Benchmarking Hub,2026年11月9日)。
- Gemini 4 Carbon 以 77.7% 位列 SimpleQA Verified 第二(Epoch AI Benchmarking Hub,2026年11月10日)。
- SimpleQA Verified:简短的事实问答;衡量在不产生幻觉的前提下能否正确回忆。由 Epoch AI 运行(Epoch AI Benchmarking Hub)。
- BenchLeader 上有 99 个模型配置公布了 SimpleQA Verified 结果(BenchLeader,2026年11月16日)。
- SimpleQA Verified 计入 BenchLeader Index 的知识类别(BenchLeader 方法论)。
简短的事实问答;衡量在不产生幻觉的前提下能否正确回忆。由 Epoch AI 运行。
- 类别
- 知识
- Index 权重
- 1.0
- 模型
- 99
- 数据截至
- 2026年11月16日
- 最新结果
- 2026年11月10日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
只有一个可核实答案的简短事实问题(例如“谁获得了 1988 年诺贝尔化学奖?”),取自 OpenAI SimpleQA 经清理和复核的子集。
评分方式
答对的百分比;模型也可以选择不回答。Epoch AI 运行测试,并根据参考答案自动评分。
注意事项
它衡量的是对已存储事实的回忆,而不是推理,并且偏向预训练范围广的大模型。更常拒答的模型分数会降低,但幻觉可能更少;应与考虑幻觉的测试(如 AA-Omniscience)一起看。
- 1Claude Fable 5.2 (max)94.0%
- 2Gemini 4 Carbon (high)77.7%
- 3Gemini 4 Argon (high)76.0%
- 4GPT-6 Astra (max)75.6%
- 5GPT-6.1 Sol (max)73.9%
- 6Gemini 3.1 Pro (high)73.5%
- 7Claude Opus 5.5 (max)72.2%
- 8Claude Fable 5.1 (max)70.8%
- 9Claude Fable 5 (xhigh)70.7%
- 10GPT-5.6 Sol (max)69.7%
- 11Gemini 3.8 Flash (high)69.7%
- 12Gemini 3.7 Flash (high)69.2%
- 13Gemini 3 Flash (high)66.8%
- 14Gemini 3.5 Flash (high)66.2%
- 15Gemini 3.6 Flash (high)66.2%
| # | ||||
|---|---|---|---|---|
| 1 | 新 | 94.0% | 72.7 | 2026-11-09 |
| 2 | 77.7% | 68.9 | 2026-11-10 | |
| 3 | 76.0% | 65.3 | 2026-10-13 | |
| 4 | 75.6% | 67.3 | 2026-09-03 | |
| 5 | 73.9% | 66.6 | 2026-09-29 | |
| 6 | 73.5% | 60.4 | 2026-02-19 | |
| 7 | 72.2% | 68.4 | 2026-09-22 | |
| 8 | 70.8% | 66.7 | 2026-09-01 | |
| 9 | 70.7% | – | 2026-06-09 | |
| 10 | 69.7% | 65.3 | 2026-07-09 | |
| 11 | 69.7% | 59.4 | 2026-09-02 | |
| 12 | 69.2% | 62.1 | 2026-08-13 | |
| 13 | 66.8% | 57.4 | 2025-12-17 | |
| 14 | 66.2% | 62.5 | 2026-05-19 | |
| 15 | 66.2% | 61.0 | 2026-07-21 | |
| 16 | 63.0% | 64.1 | 2026-04-23 | |
| 17 | 62.2% | 60.0 | 2026-10-23 | |
| 18 | 60.7% | 62.6 | 2026-09-22 | |
| 19 | 60.3% | 61.5 | 2026-08-05 | |
| 20 | 59.9% | 65.0 | 2026-07-24 | |
| 21 | 57.8% | 62.2 | 2026-07-09 | |
| 22 | 57.3% | 64.1 | 2026-10-26 | |
| 23 | 56.6% | 58.1 | 2026-10-15 | |
| 24 | 56.0% | 57.4 | 2026-09-21 | |
| 25 | 55.8% | 60.0 | 2026-05-19 | |
| 26 | 53.0% | 61.1 | 2026-05-28 | |
| 27 | 52.9% | 54.7 | 2026-08-13 | |
| 28 | 52.0% | 62.1 | 2026-04-20 | |
| 29 | 51.7% | 57.0 | 2026-04-16 | |
| 30 | 50.6% | 60.2 | 2026-07-16 | |
| 31 | 50.1% | 58.2 | 2025-08-07 | |
| 32 | 49.4% | 55.1 | 2025-04-16 | |
| 33 | 49.3% | 60.6 | 2026-08-12 | |
| 34 | 48.9% | 56.1 | 2026-08-12 | |
| 35 | 48.8% | 54.2 | 2025-09-24 | |
| 36 | 48.3% | 56.8 | 2026-07-08 | |
| 37 | 48.0% | 57.5 | 2025-11-13 | |
| 38 | 47.3% | 56.6 | 2026-09-01 | |
| 39 | 47.0% | 57.0 | 2026-02-05 | |
| 40 | 46.5% | 64.2 | 2026-09-28 | |
| 41 | 46.3% | 59.5 | 2026-03-05 | |
| 42 | 45.7% | 57.1 | 2025-11-24 | |
| 43 | 45.1% | 63.1 | 2026-03-05 | |
| 44 | 44.7% | – | 2026-06-23 | |
| 45 | 44.1% | 59.0 | 2026-03-31 | |
| 46 | 43.2% | 59.5 | 2026-07-09 | |
| 47 | 42.9% | 58.5 | 2026-09-09 | |
| 48 | 42.5% | 57.7 | 2026-10-17 | |
| 49 | 41.9% | – | 2026-11-02 | |
| 50 | 41.4% | 55.1 | 2026-09-22 | |
| 51 | 41.1% | 49.5 | 2024-12-17 | |
| 52 | 41.0% | 58.8 | 2026-08-14 | |
| 53 | 41.0% | 56.2 | 2026-07-09 | |
| 54 | 40.4% | 51.8 | 2025-07-25 | |
| 55 | 40.3% | 50.0 | 2026-07-15 | |
| 56 | 39.4% | – | 2026-02-14 | |
| 57 | 37.1% | 59.9 | 2025-12-11 | |
| 58 | 36.5% | 53.9 | 2026-06-12 | |
| 59 | 35.5% | 50.3 | 2026-02-17 | |
| 60 | 34.9% | 55.1 | 2026-04-20 |
相关基准测试
SimpleQA Verified 上的热门模型对比
引用格式:BenchLeader,《SimpleQA Verified 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/simpleqa_verified。
SimpleQA Verified:常见问题
- SimpleQA Verified 衡量的是什么?
- 只有一个可核实答案的简短事实问题(例如“谁获得了 1988 年诺贝尔化学奖?”),取自 OpenAI SimpleQA 经清理和复核的子集。分数以完成任务的百分比表示,越高越好。
- SimpleQA Verified 的最高分是多少?
- 截至 2026年11月16日,SimpleQA Verified 的最高分为 94.0%,由 Claude Fable 5.2 取得(结果日期 2026年11月9日),领先于 Gemini 4 Carbon(77.7%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 SimpleQA Verified 上领先?
- 截至 2026年11月16日,SimpleQA Verified 排名第一的是 Claude Fable 5.2,分数为 94.0%(结果日期 2026年11月9日)。其后为 Gemini 4 Carbon(77.7%)。
- 有多少模型有 SimpleQA Verified 结果?
- BenchLeader 上有 99 个模型配置有 SimpleQA Verified 结果,全部取自 Epoch AI Benchmarking Hub。
- SimpleQA Verified 由谁运行,多久更新一次?
- SimpleQA Verified 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。
- SimpleQA Verified 是否计入 BenchLeader Index?
- 计入。SimpleQA Verified 计入 BenchLeader Index 的知识类别,并经过归一化,使参评模型的平均值为 50。