跳到正文
評測來源

GPQA Diamond

Epoch AI / 知識 · 研究生水平的物理、化學與生物知識

官方評測
在 ATech Hot 中參與排名
評測權重2%
來源資料更新時間11/20 05:24
最近成功同步11/22 02:05

它測什麼,怎麼測

只取 Epoch 自行復跑的 mean_score,保留推理設定與標準誤。198 道科學知識題需要推理,但不能代表全部世界知識。

如何使用這份證據

正式計分;同題家族共用固定預算。

評測成績

按固定規則,每個公開模型採用一套用作比較的設定;沒有可採用設定的模型標為未計入並寫明原因。匿名測試型號不展示,保留原榜名次,每項最多 30 個。

原榜名次原榜型號原始成績用作比較的設定
1gpt-6.2-astra_maxOpenAI96.8%Max 推理
2gemini-4-hydrogen_xhighgoogle96.8%xHigh 推理
3gemini-4-carbon_highgoogle96.5%High 推理
4gemini-4-argon_highgoogle96.4%High 推理
5gemini-4-neon_xhighGoogle96.3%xHigh 推理
6claude-fable-5-2-fallback_maxAnthropic96.0%Max 推理
7gpt-6-astra_maxOpenAI95.8%Max 推理
8claude-sonnet-5-5_maxanthropic95.6%Max 推理
9gpt-6.1-sol_maxopenai95.4%Max 推理
9gemini-3.8-flash_highGoogle95.4%High 推理
11gemini-3.7-flash_highGoogle94.8%High 推理
12gpt-5.4-pro-2026-03-05_xhighOpenAI94.6%xHigh 推理
13gemini-3.1-pro-preview_highGoogle94.4%High 推理
14gpt-6.1-terra_maxOpenAI94.3%Max 推理
14gpt-6-sol_maxOpenAI94.3%Max 推理
16kimi-k3.1-pro-together_maxMoonshot94.2%Max 推理
17gemini-3.6-flash_highGoogle94.1%High 推理
19claude-opus-5-5-fallback_maxAnthropic94.1%Max 推理
20gpt-5.5-pre-release_xhighOpenAI94.0%xHigh 推理未計入:來源明確標為發佈前版本,不能代表可使用的正式模型。
22gpt-5.5-pro-pre-release_xhighOpenAI93.9%xHigh 推理未計入:來源明確標為發佈前版本,不能代表可使用的正式模型。
23claude-fable-5-fallback_maxAnthropic93.9%Max 推理
23claude-fable-5-2_maxAnthropic93.9%Max 推理
23claude-opus-5_maxAnthropic93.9%Max 推理
26gpt-5.6-sol_maxOpenAI93.5%Max 推理
27grok-4.5_highxAI93.4%High 推理
28gpt-5.6-terra_maxOpenAI93.3%Max 推理
29gpt-5.4-2026-03-05_xhighOpenAI93.3%xHigh 推理
30deepseek-v4.1-flash-1017_maxdeepseek93.2%Max 推理
30grok-4.6_xhighxAI93.2%xHigh 推理
32doubao-seed-evolving_highByteDance93.1%High 推理
評測侷限與數據署名

正式計分;同題家族共用固定預算。

數據許可:CC BY 4.0 · Epoch AI 自行評測數據

成績由 Epoch AI 發佈,原始分數與 ATech Hot 共識指數使用不同尺度,不能直接相加。