SuperGPQA
AIベンチマーク結果とモデルの性能
種類: percentage
記録された結果
45
平均スコア
55.02%
スコアの範囲
21.30% - 71.60%
最上位モデル
71.60% - Qwen 3.6 Plus
スコアの推移
日付ごとの個別ベンチマークスコアです。
モデル結果
| 組織 | モデル | 報告日 | 最高スコア | 情報 | 自己申告 | 出典 |
|---|---|---|---|---|---|---|
| Qwen 3.6 Plus | 2026年4月01日 | 71.60% | - | はい | 出典 | |
| Qwen 3.5 397B A17B | 2026年2月16日 | 70.40% | - | はい | 出典 | |
| Seed 2.0 Pro | 2026年2月14日 | 68.70% | Seed2 official benchmark table | SuperGPQA | はい | 出典 | |
| Seed 2.0 Lite | 2026年2月14日 | 67.50% | Seed2 official benchmark table | SuperGPQA | はい | 出典 | |
| Qwen 3.5 122B A10B | 2026年2月24日 | 67.10% | - | はい | 出典 | |
| Qwen 3.5 27B | 2026年2月24日 | 65.60% | - | はい | 出典 | |
| Qwen 3.5 Flash | 2026年2月23日 | 65.60% | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | はい | 出典 | |
| Qwen 3 14B | - | 65.10% | inferred family alias from qwen3-max (score=0.3333; benches=6) | はい | 出典 | |
| Qwen 3 Max Thinking | 2026年1月26日 | 65.10% | inferred alias from qwen3-max | はい | 出典 | |
| Qwen 3 TTS (2025-11-27) | - | 65.10% | inferred family alias from qwen3-max (score=0.3833; benches=6) | はい | 出典 | |
| Qwen 3 235B A22B Thinking 2507 | - | 64.90% | - | はい | 出典 | |
| Qwen 3 VL 235B A22B Thinking | - | 64.30% | - | はい | - | |
| Qwen 3.5 35B A3B | 2026年2月24日 | 63.40% | - | はい | 出典 | |
| Qwen 3 A235 A22B Instruct 2507 | - | 62.60% | - | はい | 出典 | |
| Seed 2.0 Mini | 2026年2月14日 | 61.60% | Seed2 official benchmark table | SuperGPQA | はい | 出典 | |
| Qwen 3 Next 80B A3B Thinking | - | 60.80% | - | はい | 出典 | |
| Qwen 3 VL 235B A22B Instruct | - | 60.40% | - | はい | - | |
| Qwen 3 VL 32B Thinking | - | 59% | - | はい | - | |
| Qwen 3 Next 80B A3B Instruct | - | 58.80% | - | はい | 出典 | |
| Qwen 3.5 9B | 2026年3月02日 | 58.20% | - | はい | 出典 | |
| Kimi K2 (2025-09-05) | 2025年9月05日 | 57.20% | Acc | はい | 出典 | |
| Qwen 3 VL 30B A3B Thinking | - | 56.40% | - | はい | - | |
| Qwen 3 VL 32B Instruct | - | 54.60% | - | はい | - | |
| Qwen 3 VL 30B A3B Instruct | - | 53.10% | - | はい | - | |
| DeepSeek V4.1 Flash | 2026年9月10日 | 53.10% | Base model; 5-shot; EM | はい | 出典 |
