GSM8K
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
62
平均スコア
80.12%
スコアの範囲
25.20% - 97%
最上位モデル
97% - GPT 4.5 Preview
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 |
|---|---|---|---|---|---|---|
| GPT 4.5 Preview | 2025年2月27日 | 97% | - | はい | 出典 | |
| Qwen 72B | - | 95.80% | inferred family alias from qwen-2.5-72b-instruct (score=0.3060; benches=14) | はい | 出典 | |
| DeepSeek V2.5 (2024-09-05) | 2024年9月05日 | 95.10% | inferred alias from deepseek-v2.5 | はい | 出典 | |
| DeepSeek V2.5 (2024-12-10) | 2024年12月10日 | 95.10% | inferred alias from deepseek-v2.5 | はい | 出典 | |
| Qwen 14B | - | 94.80% | inferred family alias from qwen-2.5-14b-instruct (score=0.3060; benches=16) | はい | 出典 | |
| Qwen 3 235B A22B | - | 94.39% | - | はい | 出典 | |
| Granite 4.1 30B | 2026年4月29日 | 94.16% | 8-shot | はい | 出典 | |
| Mistral Large 2.1 | 2024年11月18日 | 93% | inferred version-family alias from mistral-large-2-2407 | はい | 出典 | |
| Mistral OCR 2 | 2025年5月22日 | 93% | inferred family alias from mistral-large-2-2407 (score=0.3100; benches=5) | はい | 出典 | |
| DeepSeek V4.1 Flash | 2026年9月10日 | 93% | Base model; 8-shot; EM | はい | 出典 | |
| DeepSeek V4 Pro | 2026年4月24日 | 92.60% | Hugging Face evaluation result | はい | 出典 | |
| Granite 4.1 8B | 2026年4月29日 | 92.49% | 8-shot | はい | 出典 | |
| Kimi K2 (2025-07-11) | 2025年7月11日 | 92.10% | EM | はい | 出典 | |
| Qwen 7B | - | 91.60% | inferred family alias from qwen-2.5-7b-instruct (score=0.3083; benches=14) | はい | 出典 | |
| Llama 3.1 Nemotron 70B Instruct | 2024年10月01日 | 91.43% | - | はい | 出典 | |
| Qwen 2 Math 72B | - | 91.10% | inferred high-confidence family alias from qwen2-72b-instruct (score=0.4667; benches=17) | はい | 出典 | |
| Qwen 2 Math RM 72B | - | 91.10% | inferred family alias from qwen2-72b-instruct (score=0.3917; benches=17) | はい | 出典 | |
| Gemini 1.5 Pro 001 | 2024年5月23日 | 90.80% | inferred alias from gemini-1.5-pro | はい | 出典 | |
| Gemini 1.5 Pro Exp (2024-08-01) | 2024年8月01日 | 90.80% | inferred alias from gemini-1.5-pro | はい | 出典 | |
| Gemini 1.5 Pro Exp (2024-08-27) | 2024年8月27日 | 90.80% | inferred alias from gemini-1.5-pro | はい | 出典 | |
| Gemini Robotics ER 1.5 Preview | 2025年9月25日 | 90.80% | inferred family alias from gemini-1.5-pro (score=0.3717; benches=23) | はい | 出典 | |
| LearnLM 1.5 Pro Experimental | 2024年11月19日 | 90.80% | inferred family alias from gemini-1.5-pro (score=0.3700; benches=23) | はい | 出典 | |
| Grok 1.5 | 2024年3月28日 | 90% | - | はい | 出典 | |
| Phi 3.5 MoE instruct | 2024年8月23日 | 88.70% | - | はい | 出典 | |
| Qwen 2.5 Coder 3B | - | 88.70% | inferred family alias from qwen2.5-omni-7b (score=0.3000; benches=45) | はい | 出典 |
