本文へ移動
localllm
EN

性能ランキング（外部の評価）

GPQA Diamond (Epoch AI) の値で見る性能ランキング

Epoch AI が自分で実行した GPQA Diamond（大学院レベルの生物・物理・化学の4択問題 198 問）の正答率です。でたらめに答えると約 25% です。横の幅は 95% の区間（標準誤差から計算）です。

当サイトに載っている 39 モデル中、上位 39 件

2026年8月30日 版の値

  1. 1
    Kimi-K2.6

    moonshotai 1,026.4B kimi-k2.6

    正答率（95%区間） 90.8% 87.4%〜94.1%

    UD-Q2_K_XL 342 GB

  2. 2
    Kimi-K2.7-Code

    moonshotai 1,026.4B kimi-k2.7-code

    正答率（95%区間） 87.9% 83.3%〜92.4%

    UD-IQ1_M 305 GB

  3. 3
    Qwen3.5-397B-A17B

    Qwen 396.3B qwen3.5-397b-a17b

    正答率（95%区間） 85.9% 81.0%〜90.7%

    Q4_K_M 246 GB

  4. 4
    Qwen3.6-27B

    Qwen 26.9B qwen3.6-27b

    正答率（95%区間） 85.9% 81.0%〜90.7%

    Q4_K_M 18.6 GB

  5. 5
    Qwen3.6-35B-A3B

    Qwen 34.7B qwen3.6-35b-a3b

    正答率（95%区間） 83.8% 78.7%〜89.0%

    UD-Q4_K_M 23.4 GB

  6. 6
    Qwen3.5-35B-A3B

    Qwen 34.7B qwen3.5-35b-a3b

    正答率（95%区間） 83.5% 79.2%〜87.7%

    Q4_K_M 23.3 GB

  7. 7
    Qwen3.5-9B

    Qwen 9B qwen3.5-9B

    正答率（95%区間） 79.0% 74.3%〜83.6%

    Q4_K_M 7.05 GB

  8. 8
    DeepSeek-R1-0528

    deepseek-ai 671B DeepSeek-R1-0528

    正答率（95%区間） 76.3% 71.6%〜81.0%

    Q4_K_M 411 GB

  9. 9
    Qwen3-30B-A3B-Thinking-2507

    Qwen 30.5B qwen3-30b-a3b-thinking-2507

    正答率（95%区間） 70.1% 64.5%〜75.6%

    Q4_K_M 20.2 GB

  10. 10
    DeepSeek-R1

    deepseek-ai 671B DeepSeek-R1

    正答率（95%区間） 69.2% 63.2%〜75.2%

    Q4_K_M 446 GB

  11. 11
    DeepSeek-V3-0324

    deepseek-ai 671B DeepSeek-V3-0324

    正答率（95%区間） 67.6% 62.4%〜72.9%

    IQ1_S 175 GB

  12. 12
    Qwen3-32B

    Qwen 32.8B Qwen3-32B

    正答率（95%区間） 65.7% 60.3%〜71.2%

    Q4_K_M 22.8 GB

  13. 13
    QwQ-32B

    Qwen 32.8B QwQ-32B

    正答率（95%区間） 65.3% 59.8%〜70.9%

    Q4_K_M 22.8 GB

  14. 14
    DeepSeek-R1-Distill-Qwen-32B

    deepseek-ai 32.8B DeepSeek-R1-Distill-Qwen-32B

    正答率（95%区間） 64.1% 58.7%〜69.5%

    Q4_K_M 22.8 GB

  15. 15
    Qwen3-14B

    Qwen 14.8B qwen3-14b

    正答率（95%区間） 63.8% 58.0%〜69.5%

    Q4_K_M 11.2 GB

  16. 16
    Qwen3-30B-A3B

    Qwen 30.5B Qwen3-30B-A3B

    正答率（95%区間） 61.7% 55.9%〜67.5%

    Q4_K_M 20.2 GB

  17. 17
    gpt-oss-20b

    openai 20.9B gpt-oss-20b_medium

    正答率（95%区間） 60.8% 55.9%〜65.7%

    Q4_K_M 12.8 GB

  18. 18
    Qwen3-8B

    Qwen 8.2B qwen3-8b

    正答率（95%区間） 56.8% 51.0%〜62.5%

    Q4_K_M 7.08 GB

  19. 19
    phi-4

    microsoft 14.7B phi-4

    正答率（95%区間） 56.1% 51.0%〜61.1%

    Q4_K_M 11.5 GB

  20. 20
    DeepSeek-R1-Distill-Llama-70B

    deepseek-ai 70.6B DeepSeek-R1-Distill-Llama-70B

    正答率（95%区間） 55.7% 49.9%〜61.6%

    Q4_K_M 46.0 GB

  21. 21
    Qwen3-30B-A3B-Instruct-2507

    Qwen 30.5B qwen3-30b-a3b-instruct-2507

    正答率（95%区間） 55.6% 50.0%〜61.3%

    Q4_K_M 20.2 GB

  22. 22
    Qwen3-4B

    Qwen 4B qwen3-4b

    正答率（95%区間） 52.3% 46.4%〜58.2%

    Q4_K_M 4.55 GB

  23. 23
    Llama-4-Scout-17B-16E-Instruct

    meta-llama 107.8B Llama-4-Scout-17B-16E-Instruct

    正答率（95%区間） 51.8% 45.6%〜58.0%

    Q4_K_M 67.9 GB

  24. 24
    Qwen2.5-72B-Instruct

    Qwen 72.7B qwen2.5-72b-instruct

    正答率（95%区間） 49.1% 43.9%〜54.4%

    Q4_K_M 50.9 GB

  25. 25
    Mistral-Small-3.2-24B-Instruct-2506

    mistralai 23.6B mistral-small-3.2-2506

    正答率（95%区間） 49.1% 43.6%〜54.5%

    Q4_K_M 16.5 GB

  26. 26
    gemma-3-27b-it

    google 27B gemma-3-27b-it

    正答率（95%区間） 47.7% 42.4%〜53.0%

    Q4_K_M 18.9 GB

  27. 27
    Llama-3.3-70B-Instruct

    meta-llama 70.6B Llama-3.3-70B-Instruct

    正答率（95%区間） 47.4% 41.9%〜53.0%

    Q4_K_M 46.0 GB

  28. 28
    Qwen2.5-32B-Instruct

    Qwen 32.8B qwen2.5-32b-instruct

    正答率（95%区間） 46.1% 41.0%〜51.2%

    Q4_K_M 22.8 GB

  29. 29
    DeepSeek-R1-Distill-Qwen-14B

    deepseek-ai 14.8B DeepSeek-R1-Distill-Qwen-14B

    正答率（95%区間） 44.7% 39.1%〜50.3%

    Q4_K_M 11.4 GB

  30. 30
    Meta-Llama-3-70B-Instruct

    NousResearch 70.6B Meta-Llama-3-70B-Instruct

    正答率（95%区間） 40.6% 35.4%〜45.7%

    Q4_K_M 46.0 GB

  31. 31
    gemma-3-12b-it

    google 11.8B gemma-3-12b-it

    正答率（95%区間） 39.5% 34.5%〜44.4%

    Q4_K_M 9.41 GB

  32. 32
    Qwen3-1.7B

    Qwen 1.7B qwen3-1.7b

    正答率（95%区間） 38.0% 32.6%〜43.4%

    Q4_K_M 2.89 GB

  33. 33
    gemma-2-27b-it

    google 27.2B gemma-2-27b-it

    正答率（95%区間） 36.5% 31.8%〜41.2%

    Q4_K_M 20.1 GB

  34. 34
    Qwen2.5-7B-Instruct

    Qwen 7.6B qwen2.5-7b-instruct

    正答率（95%区間） 35.5% 31.0%〜40.0%

    Q4_K_M 6.00 GB

  35. 35
    DeepSeek-R1-Distill-Qwen-1.5B

    deepseek-ai 1.8B DeepSeek-R1-Distill-Qwen-1.5B

    正答率（95%区間） 33.6% 29.5%〜37.6%

    Q4_K_M 2.20 GB

  36. 36
    gemma-2-9b-it

    google 9.2B gemma-2-9b-it

    正答率（95%区間） 27.5% 22.9%〜32.0%

    Q4_K_M 9.02 GB

  37. 37
    Llama-3.2-1B-Instruct

    meta-llama 1.2B Llama-3.2-1B-Instruct

    正答率（95%区間） 23.9% 20.7%〜27.1%

    Q4_K_M 1.88 GB

  38. 38
    gemma-3-4b-it

    google 3.9B gemma-3-4b-it

    正答率（95%区間） 23.2% 19.6%〜26.9%

    Q4_K_M 3.91 GB

  39. 39
    gemma-3-1b-it

    google 1B gemma-3-1b-it

    正答率（95%区間） 19.9% 17.0%〜22.9%

    Q4_K_M 1.94 GB

推定 8K で必要なメモリ：計算式による推定値です。実行環境・設定で変わります。

このランキングについて

値は GPQA Diamond (Epoch AI) のデータ（CC BY 4.0）を、そのまま載せています（変更していません。並べ替えと絞り込みは当サイト）。