評測來源官方評測
GPQA Diamond
Epoch AI / 知識 · 研究生水平的物理、化學與生物知識
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 |
|---|---|---|---|
| 1 | gpt-6.2-astra_maxOpenAI | 96.8% | Max 推理 |
| 2 | gemini-4-hydrogen_xhighgoogle | 96.8% | xHigh 推理 |
| 3 | gemini-4-carbon_highgoogle | 96.5% | High 推理 |
| 4 | gemini-4-argon_highgoogle | 96.4% | High 推理 |
| 5 | gemini-4-neon_xhighGoogle | 96.3% | xHigh 推理 |
| 6 | claude-fable-5-2-fallback_maxAnthropic | 96.0% | Max 推理 |
| 7 | gpt-6-astra_maxOpenAI | 95.8% | Max 推理 |
| 8 | claude-sonnet-5-5_maxanthropic | 95.6% | Max 推理 |
| 9 | gpt-6.1-sol_maxopenai | 95.4% | Max 推理 |
| 9 | gemini-3.8-flash_highGoogle | 95.4% | High 推理 |
| 11 | gemini-3.7-flash_highGoogle | 94.8% | High 推理 |
| 12 | gpt-5.4-pro-2026-03-05_xhighOpenAI | 94.6% | xHigh 推理 |
| 13 | gemini-3.1-pro-preview_highGoogle | 94.4% | High 推理 |
| 14 | gpt-6.1-terra_maxOpenAI | 94.3% | Max 推理 |
| 14 | gpt-6-sol_maxOpenAI | 94.3% | Max 推理 |
| 16 | kimi-k3.1-pro-together_maxMoonshot | 94.2% | Max 推理 |
| 17 | gemini-3.6-flash_highGoogle | 94.1% | High 推理 |
| 19 | claude-opus-5-5-fallback_maxAnthropic | 94.1% | Max 推理 |
| 20 | 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。 |
| 22 | 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。 |
| 23 | claude-fable-5-fallback_maxAnthropic | 93.9% | Max 推理 |
| 23 | claude-fable-5-2_maxAnthropic | 93.9% | Max 推理 |
| 23 | claude-opus-5_maxAnthropic | 93.9% | Max 推理 |
| 26 | gpt-5.6-sol_maxOpenAI | 93.5% | Max 推理 |
| 27 | grok-4.5_highxAI | 93.4% | High 推理 |
| 28 | gpt-5.6-terra_maxOpenAI | 93.3% | Max 推理 |
| 29 | gpt-5.4-2026-03-05_xhighOpenAI | 93.3% | xHigh 推理 |
| 30 | deepseek-v4.1-flash-1017_maxdeepseek | 93.2% | Max 推理 |
| 30 | grok-4.6_xhighxAI | 93.2% | xHigh 推理 |
| 32 | doubao-seed-evolving_highByteDance | 93.1% | 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。