SuperGPQA

Name: SuperGPQA
Keywords: SuperGPQA, Evaluación de IA, Evaluación de modelos, Clasificación de evaluaciones de IA, Rendimiento de modelos de IA

Resultados de evaluaciones comparativas de IA y rendimiento de modelos

Tipo: percentage

Resultados registrados

Puntuación media

55.02%

Rango de puntuaciones

21.30% - 71.60%

Modelo líder

71.60% - Qwen 3.6 Plus

Puntuaciones a lo largo del tiempo

Puntuaciones individuales de la evaluación a lo largo del tiempo.

Resultados de modelos

Organización	Modelos	Fecha del resultado	Mejor puntuación	Información	Autodeclarado	Fuente
Qwen	Qwen 3.6 Plus	01 abr 2026	71,60 %	-	Sí	Fuente
Qwen	Qwen 3.5 397B A17B	16 feb 2026	70,40 %	-	Sí	Fuente
ByteDance	Seed 2.0 Pro	14 feb 2026	68,70 %	Seed2 official benchmark table \| SuperGPQA	Sí	Fuente
ByteDance	Seed 2.0 Lite	14 feb 2026	67,50 %	Seed2 official benchmark table \| SuperGPQA	Sí	Fuente
Qwen	Qwen 3.5 122B A10B	24 feb 2026	67,10 %	-	Sí	Fuente
Qwen	Qwen 3.5 27B	24 feb 2026	65,60 %	-	Sí	Fuente
Qwen	Qwen 3.5 Flash	23 feb 2026	65,60 %	inferred family alias from qwen3.5-27b (score=0.4147; benches=81)	Sí	Fuente
Qwen	Qwen 3 14B	-	65,10 %	inferred family alias from qwen3-max (score=0.3333; benches=6)	Sí	Fuente
Qwen	Qwen 3 Max Thinking	26 ene 2026	65,10 %	inferred alias from qwen3-max	Sí	Fuente
Qwen	Qwen 3 TTS (2025-11-27)	-	65,10 %	inferred family alias from qwen3-max (score=0.3833; benches=6)	Sí	Fuente
Qwen	Qwen 3 235B A22B Thinking 2507	-	64,90 %	-	Sí	Fuente
Qwen	Qwen 3 VL 235B A22B Thinking	-	64,30 %	-	Sí	-
Qwen	Qwen 3.5 35B A3B	24 feb 2026	63,40 %	-	Sí	Fuente
Qwen	Qwen 3 A235 A22B Instruct 2507	-	62,60 %	-	Sí	Fuente
ByteDance	Seed 2.0 Mini	14 feb 2026	61,60 %	Seed2 official benchmark table \| SuperGPQA	Sí	Fuente
Qwen	Qwen 3 Next 80B A3B Thinking	-	60,80 %	-	Sí	Fuente
Qwen	Qwen 3 VL 235B A22B Instruct	-	60,40 %	-	Sí	-
Qwen	Qwen 3 VL 32B Thinking	-	59 %	-	Sí	-
Qwen	Qwen 3 Next 80B A3B Instruct	-	58,80 %	-	Sí	Fuente
Qwen	Qwen 3.5 9B	02 mar 2026	58,20 %	-	Sí	Fuente
Moonshot	Kimi K2 (2025-09-05)	05 sept 2025	57,20 %	Acc	Sí	Fuente
Qwen	Qwen 3 VL 30B A3B Thinking	-	56,40 %	-	Sí	-
Qwen	Qwen 3 VL 32B Instruct	-	54,60 %	-	Sí	-
Qwen	Qwen 3 VL 30B A3B Instruct	-	53,10 %	-	Sí	-
DeepSeek	DeepSeek V4.1 Flash	10 sept 2026	53,10 %	Base model; 5-shot; EM	Sí	Fuente

Ayuda a mantener correctos los datos públicos