課題の成績
生物 / 化学 / 物理の専門家級の選択問題 (日本語版と同じ条件で測った英語版、GPQA)
生物 / 化学 / 物理の専門家が作った、分野外の人の多くが誤る英語の選択式の問題を集めた課題です。
この表の見方
- 上にあるほど評価が高く、「1〜2 位」のように範囲で出るモデルどうしの差は誤差の範囲です。
- 評価は、共通の問題のうち解けた問題の割合 (%) です。
- 差が 3 なら 100 問で 3 問ぶんの違いです。
- 価格は 100 万トークンあたりの目安で、読ませる分、書かせる分の順です。
- 長さは、一度に読ませられる文章の量 (トークン) です。
| 順位 | モデル | 開発元 | 正答率 (%) | 評価日 | 入力 ¥ /100 万 | 出力 ¥ /100 万 | 一度に 読める長さ | 対応 | 重み | 公開日 | 価格と仕様 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 位 | GPT-5.4 | OpenAI | 評価 88.8 | ¥390 | ¥2,400 | 105 万 | OpenAI 公開 2026-03 価格 ¥390 / ¥2,400 長さ 105 万 | ||||
| 2 位 | Qwen3.5 27B | Alibaba | 評価 86.6 | ¥47 | ¥380 | 約 26.2 万 | Alibaba 公開 2026-02 価格 ¥47 / ¥380 長さ 約 26.2 万 | ||||
| 3 位 | Qwen3.5 122B A10B | Alibaba | 評価 86.2 | ¥63 | ¥500 | 約 26.2 万 | Alibaba 公開 2026-02 価格 ¥63 / ¥500 長さ 約 26.2 万 | ||||
| 4 位 | Gemma 4 31B | 評価 85.6 | — | — | 約 26.2 万 | Google 公開 2026-04 価格 — 長さ 約 26.2 万 | |||||
| 5〜6 | GPT-5 | OpenAI | 評価 84.0 | ¥200 | ¥1,600 | 40 万 | OpenAI 公開 2025-08 価格 ¥200 / ¥1,600 長さ 40 万 | ||||
| 5〜6 | Qwen3.5 35B A3B | Alibaba | 評価 84.0 | ¥39 | ¥310 | 約 26.2 万 | Alibaba 公開 2026-02 価格 ¥39 / ¥310 長さ 約 26.2 万 | ||||
| 7 位 | Qwen3.5 9B | Alibaba | 評価 82.7 | — | — | 26.2 万 | Alibaba 公開 2026-02 価格 — 長さ 26.2 万 | ||||
| 8 位 | o3 | OpenAI | 評価 81.9 | ¥310 | ¥1,300 | 20 万 | OpenAI 公開 2025-04 価格 ¥310 / ¥1,300 長さ 20 万 | ||||
| 9 位 | NVIDIA Nemotron 3 Super 120B A12B | NVIDIA | 評価 81.8 | — | — | 約 26.2 万 | NVIDIA 公開 2026-03 価格 — 長さ 約 26.2 万 | ||||
| 10 位 | Qwen3 235B A22B (thinking) | Alibaba | 評価 79.4 | — | — | 約 26.2 万 | Alibaba 公開 2025-07 価格 — 長さ 約 26.2 万 | ||||
| 11 位 | Gemma 4 26B A4B | 評価 78.8 | ¥24 | ¥94 | 約 26.2 万 | Google 公開 2026-04 価格 ¥24 / ¥94 長さ 約 26.2 万 | |||||
| 12 位 | Qwen3.5 4B | Alibaba | 評価 76.5 | — | — | 約 26.2 万 | Alibaba 公開 2026-02 価格 — 長さ 約 26.2 万 | ||||
| 13 位 | Qwen3 Next 80B A3B | Alibaba | 評価 76.3 | ¥78 | ¥940 | 約 13.1 万 | Alibaba 公開 2025-09 価格 ¥78 / ¥940 長さ 約 13.1 万 | ||||
| 14 位 | Qwen3 Next 80B A3B (instruct) | Alibaba | 評価 75.3 | ¥78 | ¥310 | 約 12.9 万 | Alibaba 公開 2025-09 価格 ¥78 / ¥310 長さ 約 12.9 万 | ||||
| 15 位 | o3-mini | OpenAI | 評価 73.4 | ¥170 | ¥690 | 20 万 | OpenAI 公開 2025-01 価格 ¥170 / ¥690 長さ 20 万 | ||||
| 16 位 | GPT-OSS 120B | OpenAI | 評価 70.6 | — | — | 12.8 万 | OpenAI 公開 2025-08 価格 — 長さ 12.8 万 | ||||
| 17 位 | GPT-OSS-Swallow-120B-RL-v0.1 | Swallow (東京科学大学) | 評価 70.5 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 18〜19 | GPT-5 mini | OpenAI | 評価 70.1 | ¥39 | ¥310 | 40 万 | OpenAI 公開 2025-08 価格 ¥39 / ¥310 長さ 40 万 | ||||
| 18〜19 | Qwen3-Swallow-32B-RL-v0.2 | Swallow (東京科学大学) | 評価 70.1 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 20 位 | GPT-OSS-Swallow-120B-SFT-v0.1 | Swallow (東京科学大学) | 評価 68.1 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 21 位 | GPT-OSS-Swallow-20B-RL-v0.1 | Swallow (東京科学大学) | 評価 67.6 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 22 位 | GPT-4.1 | OpenAI | 評価 66.7 | ¥310 | ¥1,300 | 約 105 万 | OpenAI 公開 2025-04 価格 ¥310 / ¥1,300 長さ 約 105 万 | ||||
| 23 位 | GPT-OSS 20B | OpenAI | 評価 65.4 | — | — | 13.1 万 | OpenAI 公開 2025-08 価格 — 長さ 13.1 万 | ||||
| 24 位 | GPT-OSS-Swallow-20B-SFT-v0.1 | Swallow (東京科学大学) | 評価 64.8 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 25 位 | Qwen3 30B A3B | Alibaba | 評価 64.5 | — | — | 12.8 万 | Alibaba 公開 2025-04 価格 — 長さ 12.8 万 | ||||
| 26〜27 | Qwen3 32B | Alibaba | 評価 63.8 | ¥110 | ¥440 | 約 13.1 万 | Alibaba 公開 2025-04 価格 ¥110 / ¥440 長さ 約 13.1 万 | ||||
| 26〜27 | Qwen3-Swallow-32B-SFT-v0.2 | Swallow (東京科学大学) | 評価 63.8 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 28 位 | Qwen3-Swallow-32B-CPT-v0.2 | Swallow (東京科学大学) | 評価 62.1 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 29 位 | DeepSeek-R1-Distill-Qwen-32B-Japanese | CyberAgent | 評価 61.9 | — | — | — | — | — | CyberAgent 公開 — 価格 — 長さ — | ||
| 30〜31 | ABEJA-QwQ32b-Reasoning-Japanese-v1.0 | ABEJA | 評価 61.5 | — | — | — | — | — | ABEJA 公開 — 価格 — 長さ — | ||
| 30〜31 | Qwen3-Swallow-30B-A3B-RL-v0.2 | Swallow (東京科学大学) | 評価 61.5 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 32〜33 | Qwen3 14B | Alibaba | 評価 61.0 | ¥55 | ¥220 | 約 13.1 万 | Alibaba 公開 2025-04 価格 ¥55 / ¥220 長さ 約 13.1 万 | ||||
| 32〜33 | QwQ Bakeneko 32B | rinna | 評価 61.0 | — | — | — | — | — | rinna 公開 — 価格 — 長さ — | ||
| 34 位 | Llama 4 Scout | Meta | 評価 60.6 | — | — | 12.8 万 | Meta 公開 2025-04 価格 — 長さ 12.8 万 | ||||
| 35 位 | Qwen3-Swallow-30B-A3B-SFT-v0.2 | Swallow (東京科学大学) | 評価 60.5 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 36 位 | OLMo 3 32B Think | Ai2 | 評価 60.1 | — | — | — | — | Ai2 公開 — 価格 — 長さ — | |||
| 37 位 | Qwen3 235B A22B (instruct) | Alibaba | 評価 58.6 | — | — | 12.8 万 | Alibaba 公開 2025-07 価格 — 長さ 12.8 万 | ||||
| 38〜39 | Qwen3 8B | Alibaba | 評価 58.3 | ¥28 | ¥110 | 約 13.1 万 | Alibaba 公開 2025-04 価格 ¥28 / ¥110 長さ 約 13.1 万 | ||||
| 38〜39 | Qwen3-Swallow-8B-RL-v0.2 | Swallow (東京科学大学) | 評価 58.3 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 40 位 | Qwen3-Swallow-30B-A3B-CPT-v0.2 | Swallow (東京科学大学) | 評価 58.0 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 41 位 | Qwen3 4B | Alibaba | 評価 56.8 | — | — | — | Alibaba 公開 2025-04 価格 — 長さ — | ||||
| 42 位 | ELYZA-Thinking-1.0-Qwen-32B | ELYZA | 評価 56.3 | — | — | — | — | — | ELYZA 公開 — 価格 — 長さ — | ||
| 43 位 | Gemma 4 E4B | 評価 56.2 | — | — | 約 13.1 万 | — | — | Google 公開 — 価格 — 長さ 約 13.1 万 | |||
| 44 位 | NVIDIA-Nemotron-Nano-9B-v2-Japanese | NVIDIA | 評価 55.8 | — | — | — | — | — | NVIDIA 公開 — 価格 — 長さ — | ||
| 45 位 | GPT-4o (2024-08) | OpenAI | 評価 55.6 | ¥390 | ¥1,600 | 12.8 万 | OpenAI 公開 2024-08 価格 ¥390 / ¥1,600 長さ 12.8 万 | ||||
| 46 位 | Qwen3-Swallow-8B-SFT-v0.2 | Swallow (東京科学大学) | 評価 50.9 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 47 位 | OLMo 3 7B Think | Ai2 | 評価 50.6 | — | — | — | — | — | Ai2 公開 — 価格 — 長さ — | ||
| 48 位 | LLM-jp-4 32B A3B | LLM-jp | 評価 50.3 | — | — | — | — | — | LLM-jp 公開 — 価格 — 長さ — | ||
| 49 位 | Qwen3-Swallow-8B-CPT-v0.2 | Swallow (東京科学大学) | 評価 49.6 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 50 位 | Qwen3.5 2B | Alibaba | 評価 49.5 | — | — | 約 3.3 万 | Alibaba 公開 2026-02 価格 — 長さ 約 3.3 万 | ||||
| 51 位 | Llama 3.1 Nemotron Nano 8B (v1) | NVIDIA | 評価 48.6 | — | — | — | — | — | NVIDIA 公開 — 価格 — 長さ — | ||
| 52 位 | Llama 3.3 70B (instruct) | Meta | 評価 48.0 | — | — | 約 13.1 万 | Meta 公開 2024-12 価格 — 長さ 約 13.1 万 | ||||
| 53 位 | Gemma 3 27B | 評価 47.5 | — | — | 12.8 万 | Google 公開 2025-03 価格 — 長さ 12.8 万 | |||||
| 54 位 | ELYZA-Shortcut-1.0-Qwen-32B | ELYZA | 評価 46.0 | — | — | — | — | — | ELYZA 公開 — 価格 — 長さ — | ||
| 55 位 | Gemma 4 E2B | 評価 44.9 | — | — | 約 13.1 万 | — | — | Google 公開 — 価格 — 長さ 約 13.1 万 | |||
| 56 位 | LLM-jp-4 8B | LLM-jp | 評価 43.1 | — | — | — | — | — | LLM-jp 公開 — 価格 — 長さ — | ||
| 57 位 | Llama 3.3 Swallow 70B (instruct, v0.4) | Swallow (東京科学大学) | 評価 40.9 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 58 位 | Gemma 3 12B | 評価 38.9 | — | — | 13.1 万 | Google 公開 2025-03 価格 — 長さ 13.1 万 | |||||
| 59 位 | Qwen3 1.7B | Alibaba | 評価 37.8 | — | — | — | Alibaba 公開 2025-04 価格 — 長さ — | ||||
| 60 位 | Llama 3.1 8B (instruct) | Meta | 評価 37.4 | — | — | 12.8 万 | Meta 公開 2024-07 価格 — 長さ 12.8 万 | ||||
| 61 位 | Gemma 3 4B | 評価 35.4 | — | — | 13.1 万 | Google 公開 2025-03 価格 — 長さ 13.1 万 | |||||
| 62 位 | Llama 3.1 Swallow 8B (instruct, v0.5) | Swallow (東京科学大学) | 評価 31.8 | — | — | — | — | — | Swallow (東京科学大学) 公開 — 価格 — 長さ — | ||
| 63 位 | Sarashina2.2 3B (instruct, v0.1) | SB Intuitions | 評価 29.3 | — | — | — | — | — | SB Intuitions 公開 — 価格 — 長さ — | ||
| 64 位 | Qwen3.5 0.8B | Alibaba | 評価 28.8 | — | — | 約 3.3 万 | Alibaba 公開 2026-02 価格 — 長さ 約 3.3 万 | ||||
| 65 位 | LLM-jp-3.1 1.8B (instruct4) | LLM-jp | 評価 27.8 | — | — | — | — | — | LLM-jp 公開 — 価格 — 長さ — | ||
| 66 位 | Qwen3 0.6B | Alibaba | 評価 25.6 | — | — | — | Alibaba 公開 2025-04 価格 — 長さ — | ||||
| 67 位 | Gemma 3 1B | 評価 23.7 | — | — | — | Google 公開 2025-03 価格 — 長さ — | |||||
| 68 位 | LLM-jp-3.1 13B (instruct4) | LLM-jp | 評価 22.7 | — | — | — | — | — | LLM-jp 公開 — 価格 — 長さ — |
このページの読み方
- 値は正答率です。
- 正答率は解けた問題の割合です。差 1 ポイントは 100 問で 1 問ぶんです。
- 対応の列の絵は左から、ツールを使える / 画像を読める / 決まった形 (JSON) で答えられる、です (薄い印は非対応か不明)。
- オープンウェイトは、モデルの中身 (重み) が公開されていて、自分のパソコンやサーバーでも動かせるモデルです。オープンウェイトの印の無いモデルは、開発元のサービス (アプリや API) で使うのが基本です (重みの情報が無いモデルもあります)。
- モデル名の横の ChatGPT などは、その開発元が一般向けに出しているサービスの名です。そのモデルがそのサービスで選べるかは、サービスの側で確かめてください。
- 円は 1 ドル 157 円 (2026 年 10 月 23 日の欧州中央銀行の参考レート) で換算し、上 2 桁に丸めた目安です。
データ: Arena / Epoch AI / Swallow LLM team (CC BY 4.0) / Models.dev (MIT)、更新 2026-10-24、データの出典