BenchLeader

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。

93 / 93
#
1o1high96.5%49.5$0.0532026-04-16
2GPT-5.1high96.4%57.5$0.00982026-04-16
3Gemini 3.1 Prohigh96.4%60.4$0.0182026-04-16
4GPT-5high96.3%58.2$0.0212026-04-16
5GPT-5.4xhigh96.1%63.1$0.0442026-04-16
6o3high96.1%55.1$0.00542026-04-16
7GPT-5 minihigh96.1%54.6$0.00302026-04-16
8Gemini 3 Prohigh96.0%60.0$0.0292026-04-16
9o4-minihigh96.0%51.2$0.00282026-04-16
10Claude Opus 4.5thinking95.9%59.3$0.1482026-04-16
11Gemini 3 Flashhigh95.8%57.4$0.0132026-04-16
12Claude Opus 4.6thinking95.4%–$0.0272026-04-16
13Qwen3.5 Plusthinking95.2%57.4$0.00832026-04-16
14o3-minihigh94.8%47.9$0.00532026-04-16
15Claude Sonnet 4.5thinking94.7%52.3$0.0312026-04-16
16Grok 4.20thinking94.5%58.3$0.00912026-04-16
17Kimi K2.5thinking94.4%59.4$0.00702026-04-16
18GLM-5thinking94.3%60.2$0.00802026-04-16
19GPT-5.2xhigh94.1%59.9$0.0222026-04-16
20DeepSeek V3.2high93.9%54.2$0.00082026-04-16
21GLM 4.793.7%51.7$0.00492026-04-16
22Claude Opus 4.1thinking93.6%58.1$0.0882026-04-16
23GPT-5 nanohigh93.3%47.4$0.00132026-04-16
24Claude Opus 4.593.2%57.1$0.0432026-04-16
25Gemini 2.5 Pro93.1%55.2$0.00292026-04-16
26Claude Opus 492.9%51.9$0.0382026-04-16
27Claude Sonnet 4thinking92.7%53.8$0.0252026-04-16
28Kimi K2 Thinkingthinking92.6%52.3$0.00622026-04-16
29MiniMax M2.592.5%53.7$0.00292026-04-16
30Claude Opus 4.192.5%51.1$0.0422026-04-16
31Grok 492.5%58.1$0.0262026-04-16
32Grok 292.3%42.3$0.00332026-04-16
33GLM-4.692.2%50.2$0.00432026-04-16
34Grok 4.1 Fastthinking92.1%55.3$0.00062026-04-16
35Grok 4 Fastthinking92.1%51.6$0.00072026-04-16
36Claude Sonnet 4.692.1%57.6$0.0352026-04-16
37Gemini 2.5 Flash 09 202591.4%47.5$0.00132026-04-16
38gpt-oss-120b91.4%46.1$0.00062026-04-16
39GPT-4.1high91.2%46.6$0.00302026-04-16
40Gemini 2.5 Flash 09 2025thinking91.2%52.8$0.00132026-04-16
41MiniMax-M2.191.2%53.8$0.00242026-04-16
42Gemini 2.5 Flashthinking91.0%49.0$0.00382026-04-16
43DeepSeek R190.8%47.2$0.00592026-04-16
44Qwen3 235B A22B90.6%50.1$0.00122026-04-16
45Claude Sonnet 490.3%50.0$0.00712026-04-16
46Claude 3.7 Sonnetthinking90.2%52.9$0.0172026-04-16
47o1-minihigh90.2%–$0.00432026-04-16
48Grok 3 Mini Fasthigh90.1%53.7$0.00082026-04-16
49GLM-4.590.0%51.6$0.00342026-04-16
50Magistral Medium 1.289.5%43.7$0.00692026-04-16
51DeepSeek V3.2无推理89.5%52.1$0.00022026-04-16
52Gemini 2.5 Flash Lite 09thinking88.9%49.6$0.00022026-04-16
53Grok 3 Mini Fastlow88.7%50.7$0.00062026-04-16
54Llama Meta Llama 3.1 405B Turbo88.2%–$0.00262026-04-16
55GPT-4ohigh88.2%41.6$0.00282026-04-16
56Qwen3 Maxmax87.4%54.2$0.00322026-04-16
57Gemini 2.5 Flash86.7%52.4$0.00112026-04-16
58Llama Meta Llama 3.1 70B Turbo84.8%–$0.00062026-04-16
59GPT-4.1 minihigh84.6%46.3$0.00052026-04-16
60Kimi K284.0%51.1$0.00102026-04-16

更多知识基准测试 · 全部大模型基准测试

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。