MedQA 排行榜
截至 2026年11月16日,MedQA 的最高分为 96.5%,由 o1(OpenAI)取得,领先于 GPT-5.1(96.4%)。共有 93 个模型配置公布了结果(Vals AI,结果日期 2026年4月16日)。MedQA 由美国医师执照考试(USMLE)的题目构成:带选择题答案的临床病例。MedQA 计入 BenchLeader Index 的知识得分。
要点(截至 2026年11月16日)
- o1 以 96.5% 保持 MedQA 最高分(Vals AI,2026年4月16日)。
- GPT-5.1 以 96.4% 位列 MedQA 第二(Vals AI,2026年4月16日)。
- MedQA:美国执业医师资格考试题。由 Vals AI 运行(Vals AI)。
- BenchLeader 上有 93 个模型配置公布了 MedQA 结果(BenchLeader,2026年11月16日)。
- MedQA 计入 BenchLeader Index 的知识类别(BenchLeader 方法论)。
美国执业医师资格考试题。由 Vals AI 运行。
- 发布方
- Vals AI
- 类别
- 知识
- Index 权重
- 0.5
- 模型
- 93
- 数据截至
- 2026年11月16日
Vals AI (vals.ai).
测试内容
MedQA 由美国医师执照考试(USMLE)的题目构成:带选择题答案的临床病例。
评分方式
准确率,由 Vals AI 运行。
注意事项
选择题考试成绩不等于临床能力,而且前沿模型在这项测试上已接近满分。
- 1o1 (high)96.5%
- 2GPT-5.1 (high)96.4%
- 3Gemini 3.1 Pro (high)96.4%
- 4GPT-5 (high)96.3%
- 5GPT-5.4 (xhigh)96.1%
- 6o3 (high)96.1%
- 7GPT-5 mini (high)96.1%
- 8Gemini 3 Pro (high)96.0%
- 9o4-mini (high)96.0%
- 10Claude Opus 4.5 (thinking)95.9%
- 11Gemini 3 Flash (high)95.8%
- 12Claude Opus 4.6 (thinking)95.4%
- 13Qwen3.5 Plus (thinking)95.2%
- 14o3-mini (high)94.8%
- 15Claude Sonnet 4.5 (thinking)94.7%
93 / 93
| # | |||||
|---|---|---|---|---|---|
| 1 | 96.5% | 49.5 | $0.053 | 2026-04-16 | |
| 2 | 96.4% | 57.5 | $0.0098 | 2026-04-16 | |
| 3 | 96.4% | 60.4 | $0.018 | 2026-04-16 | |
| 4 | 96.3% | 58.2 | $0.021 | 2026-04-16 | |
| 5 | 96.1% | 63.1 | $0.044 | 2026-04-16 | |
| 6 | 96.1% | 55.1 | $0.0054 | 2026-04-16 | |
| 7 | 96.1% | 54.6 | $0.0030 | 2026-04-16 | |
| 8 | 96.0% | 60.0 | $0.029 | 2026-04-16 | |
| 9 | 96.0% | 51.2 | $0.0028 | 2026-04-16 | |
| 10 | 95.9% | 59.3 | $0.148 | 2026-04-16 | |
| 11 | 95.8% | 57.4 | $0.013 | 2026-04-16 | |
| 12 | 95.4% | – | $0.027 | 2026-04-16 | |
| 13 | 95.2% | 57.4 | $0.0083 | 2026-04-16 | |
| 14 | 94.8% | 47.9 | $0.0053 | 2026-04-16 | |
| 15 | 94.7% | 52.3 | $0.031 | 2026-04-16 | |
| 16 | 94.5% | 58.3 | $0.0091 | 2026-04-16 | |
| 17 | 94.4% | 59.4 | $0.0070 | 2026-04-16 | |
| 18 | 94.3% | 60.2 | $0.0080 | 2026-04-16 | |
| 19 | 94.1% | 59.9 | $0.022 | 2026-04-16 | |
| 20 | 93.9% | 54.2 | $0.0008 | 2026-04-16 | |
| 21 | 93.7% | 51.7 | $0.0049 | 2026-04-16 | |
| 22 | 93.6% | 58.1 | $0.088 | 2026-04-16 | |
| 23 | 93.3% | 47.4 | $0.0013 | 2026-04-16 | |
| 24 | 93.2% | 57.1 | $0.043 | 2026-04-16 | |
| 25 | 93.1% | 55.2 | $0.0029 | 2026-04-16 | |
| 26 | 92.9% | 51.9 | $0.038 | 2026-04-16 | |
| 27 | 92.7% | 53.8 | $0.025 | 2026-04-16 | |
| 28 | 92.6% | 52.3 | $0.0062 | 2026-04-16 | |
| 29 | 92.5% | 53.7 | $0.0029 | 2026-04-16 | |
| 30 | 92.5% | 51.1 | $0.042 | 2026-04-16 | |
| 31 | 92.5% | 58.1 | $0.026 | 2026-04-16 | |
| 32 | 92.3% | 42.3 | $0.0033 | 2026-04-16 | |
| 33 | 92.2% | 50.2 | $0.0043 | 2026-04-16 | |
| 34 | 92.1% | 55.3 | $0.0006 | 2026-04-16 | |
| 35 | 92.1% | 51.6 | $0.0007 | 2026-04-16 | |
| 36 | 92.1% | 57.6 | $0.035 | 2026-04-16 | |
| 37 | 91.4% | 47.5 | $0.0013 | 2026-04-16 | |
| 38 | 91.4% | 46.1 | $0.0006 | 2026-04-16 | |
| 39 | 91.2% | 46.6 | $0.0030 | 2026-04-16 | |
| 40 | 91.2% | 52.8 | $0.0013 | 2026-04-16 | |
| 41 | 91.2% | 53.8 | $0.0024 | 2026-04-16 | |
| 42 | 91.0% | 49.0 | $0.0038 | 2026-04-16 | |
| 43 | 90.8% | 47.2 | $0.0059 | 2026-04-16 | |
| 44 | 90.6% | 50.1 | $0.0012 | 2026-04-16 | |
| 45 | 90.3% | 50.0 | $0.0071 | 2026-04-16 | |
| 46 | 90.2% | 52.9 | $0.017 | 2026-04-16 | |
| 47 | 90.2% | – | $0.0043 | 2026-04-16 | |
| 48 | 90.1% | 53.7 | $0.0008 | 2026-04-16 | |
| 49 | 90.0% | 51.6 | $0.0034 | 2026-04-16 | |
| 50 | 89.5% | 43.7 | $0.0069 | 2026-04-16 | |
| 51 | 89.5% | 52.1 | $0.0002 | 2026-04-16 | |
| 52 | 88.9% | 49.6 | $0.0002 | 2026-04-16 | |
| 53 | 88.7% | 50.7 | $0.0006 | 2026-04-16 | |
| 54 | 88.2% | – | $0.0026 | 2026-04-16 | |
| 55 | 88.2% | 41.6 | $0.0028 | 2026-04-16 | |
| 56 | 87.4% | 54.2 | $0.0032 | 2026-04-16 | |
| 57 | 86.7% | 52.4 | $0.0011 | 2026-04-16 | |
| 58 | 84.8% | – | $0.0006 | 2026-04-16 | |
| 59 | 84.6% | 46.3 | $0.0005 | 2026-04-16 | |
| 60 | 84.0% | 51.1 | $0.0010 | 2026-04-16 |
相关基准测试
MedQA 上的热门模型对比
引用格式:BenchLeader,《MedQA 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_medqa。
MedQA:常见问题
- MedQA 衡量的是什么?
- MedQA 由美国医师执照考试(USMLE)的题目构成:带选择题答案的临床病例。分数以完成任务的百分比表示,越高越好。
- MedQA 的最高分是多少?
- 截至 2026年11月16日,MedQA 的最高分为 96.5%,由 o1 取得(结果日期 2026年4月16日),领先于 GPT-5.1(96.4%)。分数来自 Vals AI,每天重新读取。
- 哪个 AI 模型在 MedQA 上领先?
- 截至 2026年11月16日,MedQA 排名第一的是 o1,分数为 96.5%(结果日期 2026年4月16日)。其后为 GPT-5.1(96.4%)。
- 有多少模型有 MedQA 结果?
- BenchLeader 上有 93 个模型配置有 MedQA 结果,全部取自 Vals AI。
- MedQA 由谁运行,多久更新一次?
- MedQA 由 Vals AI 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。
- MedQA 是否计入 BenchLeader Index?
- 计入。MedQA 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。