性能ランキング（外部の評価）

VRAM 48 GB で動くモデルの性能ランキング（GPQA Diamond (Epoch AI)）

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。

8,192 トークンのコンテキストで、必要メモリ（推定）が 48 GB に収まる量子化があるモデルだけを並べています。

当サイトに載っている 33 モデル中、上位 33 件

2026年8月30日版の値

順位モデル正答率（95%区間） 48 GB に収まる量子化
1

Qwen3.6-27B
Qwen 26.9B qwen3.6-27b

正答率（95%区間） 85.9% 81.0%〜90.7%

UD-Q8_K_XL 37.1 GB
2

Qwen3.6-35B-A3B
Qwen 34.7B qwen3.6-35b-a3b

正答率（95%区間） 83.8% 78.7%〜89.0%

UD-Q8_K_XL 39.7 GB
3

Qwen3.5-35B-A3B
Qwen 34.7B qwen3.5-35b-a3b

正答率（95%区間） 83.5% 79.2%〜87.7%

UD-Q8_K_XL 50.0 GB
4

Qwen3.5-9B
Qwen 9B qwen3.5-9B

正答率（95%区間） 79.0% 74.3%〜83.6%

BF16 19.8 GB
5

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%

UD-Q8_K_XL 37.6 GB
6

Qwen3-32B
Qwen 32.8B Qwen3-32B

正答率（95%区間） 65.7% 60.3%〜71.2%

UD-Q8_K_XL 42.5 GB
7

QwQ-32B
Qwen 32.8B QwQ-32B

正答率（95%区間） 65.3% 59.8%〜70.9%

Q8_0 37.8 GB
8

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%

Q8_0 37.8 GB
9

Qwen3-14B
Qwen 14.8B qwen3-14b

正答率（95%区間） 63.8% 58.0%〜69.5%

BF16 31.7 GB
10

Qwen3-30B-A3B
Qwen 30.5B Qwen3-30B-A3B

正答率（95%区間） 61.7% 55.9%〜67.5%

UD-Q8_K_XL 37.6 GB
11

gpt-oss-20b
openai 20.9B gpt-oss-20b_medium

正答率（95%区間） 60.8% 55.9%〜65.7%

F16 15.0 GB
12

Qwen3-8B
Qwen 8.2B qwen3-8b

正答率（95%区間） 56.8% 51.0%〜62.5%

BF16 18.4 GB
13

phi-4
microsoft 14.7B phi-4

正答率（95%区間） 56.1% 51.0%〜61.1%

F16 31.7 GB
14

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_1 47.8 GB
15

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%

UD-Q8_K_XL 37.6 GB
16

Qwen3-4B
Qwen 4B qwen3-4b

正答率（95%区間） 52.3% 46.4%〜58.2%

BF16 10.1 GB
17

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%

Q3_K_S 49.3 GB
18

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
19

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%

BF16 49.3 GB
20

gemma-3-27b-it
google 27B gemma-3-27b-it

正答率（95%区間） 47.7% 42.4%〜53.0%

UD-Q8_K_XL 34.2 GB
21

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_1 47.8 GB
22

Qwen2.5-32B-Instruct
Qwen 32.8B qwen2.5-32b-instruct

正答率（95%区間） 46.1% 41.0%〜51.2%

Q8_0 37.8 GB
23

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%

F16 32.0 GB
24

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
25

gemma-3-12b-it
google 11.8B gemma-3-12b-it

正答率（95%区間） 39.5% 34.5%〜44.4%

BF16 25.7 GB
26

Qwen3-1.7B
Qwen 1.7B qwen3-1.7b

正答率（95%区間） 38.0% 32.6%〜43.4%

BF16 5.86 GB
27

gemma-2-27b-it
google 27.2B gemma-2-27b-it

正答率（95%区間） 36.5% 31.8%〜41.2%

Q8_0 33.5 GB
28

Qwen2.5-7B-Instruct
Qwen 7.6B qwen2.5-7b-instruct

正答率（95%区間） 35.5% 31.0%〜40.0%

F16 16.6 GB
29

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%

F32 8.20 GB
30

gemma-2-9b-it
google 9.2B gemma-2-9b-it

正答率（95%区間） 27.5% 22.9%〜32.0%

F32 40.2 GB
31

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%

F16 3.55 GB
32

gemma-3-4b-it
google 3.9B gemma-3-4b-it

正答率（95%区間） 23.2% 19.6%〜26.9%

BF16 9.19 GB
33

gemma-3-1b-it
google 1B gemma-3-1b-it

正答率（95%区間） 19.9% 17.0%〜22.9%

F16 3.14 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

Epoch AI のデータ（GPQA Diamond）から、重みが公開されているモデルの値を取っています。同じモデルを複数の提供元で測っている場合は、新しく測った値を1つだけ使います（いちばん良い値を選びません）。週1回更新します。
値は量子化する前の元のモデルのものです。GGUF の量子化（特に小さい量子化）では性能が下がることがあります。
出典のモデル名と、当サイトに載っているモデル（元のモデルの Hugging Face のリポジトリ）の名前が一致するものだけに付けています。ファインチューンや改変版には付けません。
出典ごとに別のランキングです。複数の出典の値を混ぜたり、当サイトが点数を付けたりはしていません。
小さいモデルや新しいモデルは、出典で評価されていないことが多く、ここには出ません。

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）。