MMLU Redux
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
66
平均スコア
81.47%
スコアの範囲
43.20% - 94.90%
最上位モデル
94.90% - Qwen 3.5 397B A17B
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 3.5 397B A17B | 2026年2月16日 | 94.90% | - | はい | 出典 | |
| Qwen 3.6 Plus | 2026年4月01日 | 94.50% | - | はい | 出典 | |
| Kimi K2 Thinking | 2025年11月06日 | 94.40% | inferred alias from kimi-k2-thinking-0905 | はい | 出典 | |
| Qwen 3.5 122B A10B | 2026年2月24日 | 94% | - | はい | 出典 | |
| Qwen 3 235B A22B Thinking 2507 | - | 93.80% | - | はい | 出典 | |
| Qwen 3 VL 235B A22B Thinking | - | 93.70% | - | はい | - | |
| Qwen 3.5 35B A3B | 2026年2月24日 | 93.30% | - | はい | 出典 | |
| Qwen 3.5 27B | 2026年2月24日 | 93.20% | - | はい | 出典 | |
| Qwen 3.5 Flash | 2026年2月23日 | 93.20% | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | はい | 出典 | |
| Qwen 3 A235 A22B Instruct 2507 | - | 93.10% | - | はい | 出典 | |
| Kimi K2 (2025-09-05) | 2025年9月05日 | 92.70% | EM | はい | 出典 | |
| Qwen 3 Next 80B A3B Thinking | - | 92.50% | - | はい | 出典 | |
| EXAONE 4.0 32B | 2025年7月15日 | 92.30% | Reasoning | はい | 出典 | |
| Qwen 3 VL 235B A22B Instruct | - | 92.20% | - | はい | - | |
| Qwen 3 VL 32B Thinking | - | 91.90% | - | はい | - | |
| DeepSeek V3.1 | 2025年8月21日 | 91.80% | Non-thinking: 91.8%, Thinking: 93.7% | はい | 出典 | |
| DeepSeek V3.1 Terminus | 2025年9月22日 | 91.80% | inferred alias from deepseek-v3.1 | はい | 出典 | |
| Qwen 3.5 9B | 2026年3月02日 | 91.10% | - | はい | 出典 | |
| Qwen 3 Next 80B A3B Instruct | - | 90.90% | - | はい | 出典 | |
| Qwen 3 VL 30B A3B Thinking | - | 90.90% | - | はい | - | |
| Qwen 3 VL 32B Instruct | - | 89.80% | - | はい | - | |
| DeepSeek OCR | 2025年10月20日 | 89.10% | inferred family alias from deepseek-v3 (score=0.3000; benches=20) | はい | 出典 | |
| DeepSeek V2 (2024-06-28) | 2024年6月28日 | 89.10% | inferred family alias from deepseek-v3 (score=0.4159; benches=20) | はい | 出典 | |
| DeepSeek V4 | - | 89.10% | inferred high-confidence family alias from deepseek-v3 (score=0.5818; benches=20) | はい | 出典 | |
| Qwen 3 8B | - | 88.80% | inferred high-confidence family alias from qwen3-vl-8b-thinking (score=0.4600; benches=50) | はい | - |
