HellaSwag
AIベンチマーク結果とモデルの性能
種類: percentageReasoning
記録された結果
26
平均スコア
73.26%
スコアの範囲
33% - 98.10%
最上位モデル
98.10% - Drex Max 1.1
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 |
|---|---|---|---|---|---|---|
| Drex Max 1.1 | 2026年10月28日 | 98.10% | Nace launch chart "Decision Models Benchmark" (2026-10-28) | はい | 出典 | |
| GPT 4 32K 0613 | 2023年6月13日 | 95.30% | inferred high-confidence family alias from gpt-4-0613 (score=0.4899; benches=12) | はい | 出典 | |
| Gemini 1.5 Pro 001 | 2024年5月23日 | 93.30% | 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 | 93.30% | 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 | 93.30% | inferred alias from gemini-1.5-pro | はい | 出典 | |
| Gemini Robotics ER 1.5 Preview | 2025年9月25日 | 93.30% | 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 | 93.30% | inferred family alias from gemini-1.5-pro (score=0.3700; benches=23) | はい | 出典 | |
| Qwen 2 Math 72B | - | 87.60% | inferred high-confidence family alias from qwen2-72b-instruct (score=0.4667; benches=17) | はい | 出典 | |
| Qwen 2 Math RM 72B | - | 87.60% | inferred family alias from qwen2-72b-instruct (score=0.3917; benches=17) | はい | 出典 | |
| DeepSeek V4.1 Flash | 2026年9月10日 | 87.20% | Base model; 0-shot; EM | はい | 出典 | |
| Gemini 1.5 Flash 001 | 2024年5月23日 | 86.50% | inferred alias from gemini-1.5-flash | はい | 出典 | |
| Gemini 1.5 Flash Preview | 2024年5月14日 | 86.50% | inferred alias from gemini-1.5-flash | はい | 出典 | |
| Llama 3.1 Nemotron 70B Instruct | 2024年10月01日 | 85.58% | - | はい | 出典 | |
| Phi 3.5 MoE instruct | 2024年8月23日 | 83.80% | - | はい | 出典 | |
| Mistral Nemo 12B | 2024年7月18日 | 83.50% | inferred family alias from mistral-nemo-instruct-2407 (score=0.3250; benches=8) | はい | 出典 | |
| Gemma 3n E4B | 2025年6月25日 | 78.60% | - | はい | 出典 | |
| Gemma 3n E2B (Free) | 2025年6月25日 | 72.20% | - | はい | 出典 | |
| Phi 3 Mini 128K Instruct | - | 69.40% | inferred family alias from phi-3.5-mini-instruct (score=0.3533; benches=31) | はい | 出典 | |
| Phi 3.5 mini instruct | 2024年8月23日 | 69.40% | - | はい | 出典 | |
| Phi 4 Mini | 2025年2月01日 | 69.10% | - | はい | 出典 | |
| Ernie 4.5 21B A3B | - | 33% | inferred version-family alias from ernie-4.5 | はい | 出典 | |
| Ernie 4.5 21B A3B Thinking | - | 33% | inferred version-family alias from ernie-4.5 | はい | 出典 | |
| Ernie 4.5 300B A47B | - | 33% | inferred version-family alias from ernie-4.5 | はい | 出典 | |
| Ernie 4.5 Turbo | - | 33% | inferred version-family alias from ernie-4.5 | はい | 出典 | |
| Ernie 4.5 VL 28B A3B | - | 33% | inferred version-family alias from ernie-4.5 | はい | 出典 |
