BenchLeader

WinoGrande 排行榜

截至 2026年11月16日,WinoGrande 的最高分为 89.2%,由 Llama 3.1 405B(Meta)取得,领先于 Claude 3 Opus(88.5%)。共有 74 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2024年7月23日)。代词指代消解的常识问题。WinoGrande 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Llama 3.1 405B 以 89.2% 保持 WinoGrande 最高分(Epoch AI Benchmarking Hub,2024年7月23日)。
  • Claude 3 Opus 以 88.5% 位列 WinoGrande 第二(Epoch AI Benchmarking Hub,2024年2月29日)。
  • WinoGrande:代词消解类常识题。2019 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 74 个模型配置公布了 WinoGrande 结果(BenchLeader,2026年11月16日)。
  • WinoGrande 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

代词消解类常识题。2019 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
推理
Index 权重
仅作参考
模型
74
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

代词指代消解的常识问题。

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. 1Llama 3.1 405B89.2%
  2. 2Claude 3 Opus88.5%
  3. 3GPT-487.5%
  4. 4Falcon-180B87.1%
  5. 5Deepseek v286.3%
  6. 6DeepSeek V385.2%
  7. 7PaLM 540B85.1%
  8. 8DeepSeek-Coder-V2 236B83.7%
  9. 9Llama 3-70B83.5%
  10. 10PaLM 2-L83.0%
  11. 11Qwen2.5 72B82.3%
  12. 12GPT-3.5 Turbo (older v0613)81.6%
  13. 13text-davinci-00281.6%
  14. 14Phi 3 (medium)81.5%
  15. 15Phi 3 Small81.5%
74 / 74
#
1Llama 3.1 405B89.2%41.82024-07-23
2Claude 3 Opus88.5%38.82024-02-29
3GPT-487.5%42.32023-03-14
4Falcon-180B87.1%–2023-09-06
5Deepseek v286.3%–2024-05-07
6DeepSeek V385.2%44.32024-12-26
7PaLM 540B85.1%–2022-04-04
8DeepSeek-Coder-V2 236B83.7%–2024-06-17
9Llama 3-70B83.5%38.72024-04-18
10PaLM 2-L83.0%–2023-05-17
11Qwen2.5 72B82.3%43.12024-09-19
12GPT-3.5 Turbo (older v0613)81.6%–2023-06-13
13text-davinci-00281.6%–2022-03-15
14Phi 3medium81.5%37.82024-04-23
15Phi 3 Small81.5%–2024-04-23
16Qwen2.5 Coder 32B Instruct80.8%42.52024-09-18
17Llama 2-70B80.2%33.42023-07-18
18PaLM 2-M79.2%–2023-05-17
19Gemma 7B79.0%–2024-02-21
20Megatron-Turing NLG 530B78.9%–2021-10-11
21Falcon 2 11B78.3%–2024-05-09
22Nemotron-4 15B78.0%–2024-02-26
23PaLM 2-S77.9%–2023-05-17
24InstructGPT 175B77.7%–2022-01-27
25Mixtral 8x7B77.2%30.82023-12-11
26LLaMA-65B77.0%–2023-02-24
27PaLM 62B77.0%–2022-04-04
28Falcon-40B76.9%–2023-03-15
29Qwen2.5-Coder-14B76.8%–2024-09-18
30Llama 2-34B76.7%–2023-07-18
31LLaMA-33B76.0%–2023-02-24
32Llama 3-8B75.7%34.82024-04-18
33Mistral 7B v0.375.3%28.92023-09-27
34Claude 3 Sonnet75.1%37.72024-02-29
35Claude 3 Haiku74.2%36.12024-03-07
36Phi-1.573.4%–2023-09-11
37LLaMA-13B73.0%–2023-02-24
38Yi-9B73.0%–2024-03-01
39DeepSeek-Coder-V2-Lite-Base72.9%–2024-06-13
40Qwen2.5-Coder 7B Instruct72.9%–2024-09-18
41Llama 2-13B72.8%–2023-07-18
42Yi 6B71.3%–2023-11-02
43MPT-30B71.0%–2023-06-22
44Phi 3 Mini70.8%36.72024-04-23
45Vicuna 13B v1.170.8%–2023-04-12
46LLaMA-7B70.1%–2023-02-24
47Llama 2-7B69.2%–2023-07-18
48GPT 3.5 Turbo 110668.8%38.42023-11-06
49MPT-7B68.6%–2023-05-05
50Qwen2.5-Coder-3B67.4%–2024-09-18
51Falcon-7B67.2%–2023-04-24
52open_llama_7b67.0%–2023-06-07
53GPT-NeoX-20B66.1%–2022-04-07
54INTELLECT-165.8%–2024-11-29
55Gemma 2B65.4%–2024-02-21
56Xgen 7B Base64.9%–2023-06-27
57OPT-13B64.7%–2022-05-11
58GPT-J-6B64.5%–2021-08-05
59StarCoder2-15B64.3%–2024-02-20
60RedPajama-INCITE-7B-Base63.8%–2023-05-04

更多推理基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《WinoGrande 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/winogrande。

WinoGrande:常见问题

WinoGrande 衡量的是什么?
代词指代消解的常识问题。分数以完成任务的百分比表示,越高越好。
WinoGrande 的最高分是多少?
截至 2026年11月16日,WinoGrande 的最高分为 89.2%,由 Llama 3.1 405B 取得(结果日期 2024年7月23日),领先于 Claude 3 Opus(88.5%)。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
哪个 AI 模型在 WinoGrande 上领先?
截至 2026年11月16日,WinoGrande 排名第一的是 Llama 3.1 405B,分数为 89.2%(结果日期 2024年7月23日)。其后为 Claude 3 Opus(88.5%)。
有多少模型有 WinoGrande 结果?
BenchLeader 上有 74 个模型配置有 WinoGrande 结果,全部取自 Epoch AI Benchmarking Hub。
WinoGrande 由谁运行,多久更新一次?
WinoGrande 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。
WinoGrande 是否计入 BenchLeader Index?
不计入。WinoGrande 仅作参考展示,不计入综合分数。