GPQA Diamond

Name: GPQA Diamond
Creator: Epoch AI

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

證據預算2%

上游數據時間09/30 06:00

最近成功同步10/06 14:05

它測什麼，怎麼測

只取 Epoch 自行復跑的 mean_score，保留推理檔位與標準誤。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代表配置；沒有可採用配置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	代表配置
1	gpt-6-astra_maxOpenAI	95.8%	Max 推理
2	claude-sonnet-5-5_maxanthropic	95.6%	Max 推理
3	gpt-6.1-sol_maxopenai	95.4%	Max 推理
3	gemini-3.8-flash_highGoogle	95.4%	High 推理
5	gemini-3.7-flash_highGoogle	94.8%	High 推理
6	gpt-5.4-pro-2026-03-05_xhighOpenAI	94.6%	xHigh 推理
7	gemini-3.1-pro-preview_highGoogle	94.4%	High 推理
8	gpt-6-sol_maxOpenAI	94.3%	Max 推理
9	gemini-3.6-flash_highGoogle	94.1%	High 推理
11	gpt-5.5-pre-release_xhighOpenAI	94.0%	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。
13	gpt-5.5-pro-pre-release_xhighOpenAI	93.9%	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。
14	claude-opus-5_maxAnthropic	93.9%	Max 推理
15	gpt-5.6-sol_maxOpenAI	93.5%	Max 推理
16	grok-4.5_highxAI	93.4%	High 推理
17	gpt-5.6-terra_maxOpenAI	93.3%	Max 推理
18	gpt-5.4-2026-03-05_xhighOpenAI	93.3%	xHigh 推理
19	grok-4.6_xhighxAI	93.2%	xHigh 推理
20	kimi-k3_maxMoonshot AI	93.1%	Max 推理
22	gemini-3.5-flash_highGoogle	92.8%	High 推理
23	grok-4.7_xhighxAI	92.7%	xHigh 推理
24	qwen3.8-max_xhighAlibaba	92.7%	xHigh 推理
25	gemini-3-pro-previewGoogle	92.6%	來源預設配置
26	qwen3.8-max-0902_xhighAlibaba	92.3%	xHigh 推理
28	glm-5.2_maxZ.ai	91.9%	Max 推理
29	deepseek-v4-pro-0813_maxDeepSeek	91.7%	Max 推理
30	gpt-5.6-luna_maxOpenAI	91.6%	Max 推理
31	gpt-5.2-2025-12-11_xhighOpenAI	91.4%	xHigh 推理
32	claude-opus-4-8_maxAnthropic	91.0%	Max 推理
32	deepseek-v4-flash-0731_maxDeepSeek	91.0%	Max 推理
34	MiniMax-M3MiniMax	90.9%	來源預設配置

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 共識分使用不同尺度，不能直接相加。