BenchLeader

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。

发布方
Epoch AI Benchmarking Hub
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。

99 / 99
#
1新Claude Fable 5.2max94.0%72.72026-11-09
2Gemini 4 Carbonhigh77.7%68.92026-11-10
3Gemini 4 Argonhigh76.0%65.32026-10-13
4GPT-6 Astramax75.6%67.32026-09-03
5GPT-6.1 Solmax73.9%66.62026-09-29
6Gemini 3.1 Prohigh73.5%60.42026-02-19
7Claude Opus 5.5max72.2%68.42026-09-22
8Claude Fable 5.1max70.8%66.72026-09-01
9Claude Fable 5xhigh70.7%–2026-06-09
10GPT-5.6 Solmax69.7%65.32026-07-09
11Gemini 3.8 Flashhigh69.7%59.42026-09-02
12Gemini 3.7 Flashhigh69.2%62.12026-08-13
13Gemini 3 Flashhigh66.8%57.42025-12-17
14Gemini 3.5 Flashhigh66.2%62.52026-05-19
15Gemini 3.6 Flashhigh66.2%61.02026-07-21
16GPT-5.5xhigh63.0%64.12026-04-23
17Kimi K3.1 Pro Togethermax62.2%60.02026-10-23
18GPT-6 Solmax60.7%62.62026-09-22
19Muse Spark 1.2xhigh60.3%61.52026-08-05
20Claude Opus 5max59.9%65.02026-07-24
21Muse Spark 1.157.8%62.22026-07-09
22GPT-6.1 Terramax57.3%64.12026-10-26
23Muse Spark Open 816B A42Bxhigh56.6%58.12026-10-15
24Grok 4.7xhigh56.0%57.42026-09-21
25Qwen3.7max55.8%60.02026-05-19
26Claude Opus 4.8max53.0%61.12026-05-28
27DeepSeek V4 Promax52.9%54.72026-08-13
28Qwen3.6 Maxmax52.0%62.12026-04-20
29Claude Opus 4.7xhigh51.7%57.02026-04-16
30Kimi K3max50.6%60.22026-07-16
31GPT-5high50.1%58.22025-08-07
32o3high49.4%55.12025-04-16
33Grok 4.6high49.3%60.62026-08-12
34Grok 4.6xhigh48.9%56.12026-08-12
35Qwen3 Maxmax48.8%54.22025-09-24
36Grok 4.5high48.3%56.82026-07-08
37GPT-5.1high48.0%57.52025-11-13
38Qwen3.8 Maxxhigh47.3%56.62026-09-01
39Claude Opus 4.6max47.0%57.02026-02-05
40Claude Sonnet 5.5max46.5%64.22026-09-28
41GPT-5.4 Proxhigh46.3%59.52026-03-05
42Claude Opus 4.545.7%57.12025-11-24
43GPT-5.4xhigh45.1%63.12026-03-05
44Doubao Seed 2.1 Pro 260628high44.7%–2026-06-23
45Qwen3.6 Plus44.1%59.02026-03-31
46GPT-5.6 Terramax43.2%59.52026-07-09
47DeepSeek V4.1 Flashmax42.9%58.52026-09-09
48DeepSeek V4.1 Flash 1017max42.5%57.72026-10-17
49Doubao Seed Evolvinghigh41.9%–2026-11-02
50GPT-6 Lunamax41.4%55.12026-09-22
51o1high41.1%49.52024-12-17
52GLM 5.3max41.0%58.82026-08-14
53GPT-5.6 Lunamax41.0%56.22026-07-09
54Qwen3 235B A22B 2507thinking40.4%51.82025-07-25
55Inklingxhigh40.3%50.02026-07-15
56Doubao Seed 2.0 Pro 260215high39.4%–2026-02-14
57GPT-5.2xhigh37.1%59.92025-12-11
58Kimi K2.7 Code36.5%53.92026-06-12
59Claude Sonnet 4.6high35.5%50.32026-02-17
60Kimi K2.634.9%55.12026-04-20

更多知识基准测试 · 全部大模型基准测试

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。