GPQA-Diamond

GPQA (Graduate-Level Google-Proof Q&A) 由纽约大学等单位于 2023 年发布，包含 448 道由生物、物理、化学领域博士级专家编写的高难度选择题。问题设计为「谷歌无法回答」——即使开放网络搜索，非专家准确率仅 34%，专家达 65%。GPT-4 仅 39%，是评估 AI 科学知识与推理深度的关键基准。

推理官方网站

#	模型	得分 (%)	厂商	来源
1	GPT-5.6 Sol	94.6	OpenAI	OpenAI GPT-5.6 发布页
2	Claude Mythos Preview	94.6	Anthropic	OpenAI GPT-5.6 发布页
3	GPT-5.4 Pro	94.4	OpenAI	OpenAI GPT-5.5 发布页
4	Gemini 3.1 Pro	94.3	Google	OpenAI GPT-5.6 发布页
5	Claude Opus 4.7	94.2	Anthropic	LongCat-2.0 技术报告
6	GPT-5.5	93.6	OpenAI	OpenAI GPT-5.6 发布页
7	Claude Opus 4.8	93.6	Anthropic	Hy3 Hugging Face README
8	GPT-5.2 Pro	93.2	OpenAI	OpenAI GPT-5.4 发布页
9	MiniMax M3	93	MiniMax	GLM-5.2 技术报告
10	GPT-5.4	93	OpenAI	DeepSeek-V4-Pro 技术报告

返回

GPQA-Diamond

GPQA (Graduate-Level Google-Proof Q&A) 由纽约大学等单位于 2023 年发布，包含 448 道由生物、物理、化学领域博士级专家编写的高难度选择题。问题设计为「谷歌无法回答」——即使开放网络搜索，非专家准确率仅 34%，专家达 65%。GPT-4 仅 39%，是评估 AI 科学知识与推理深度的关键基准。

推理官方网站

#	模型	得分 (%)	厂商	来源
1	GPT-5.6 Sol	94.6	OpenAI	OpenAI GPT-5.6 发布页
2	Claude Mythos Preview	94.6	Anthropic	OpenAI GPT-5.6 发布页
3	GPT-5.4 Pro	94.4	OpenAI	OpenAI GPT-5.5 发布页
4	Gemini 3.1 Pro	94.3	Google	OpenAI GPT-5.6 发布页
5	Claude Opus 4.7	94.2	Anthropic	LongCat-2.0 技术报告
6	GPT-5.5	93.6	OpenAI	OpenAI GPT-5.6 发布页
7	Claude Opus 4.8	93.6	Anthropic	Hy3 Hugging Face README
8	GPT-5.2 Pro	93.2	OpenAI	OpenAI GPT-5.4 发布页
9	MiniMax M3	93	MiniMax	GLM-5.2 技术报告
10	GPT-5.4	93	OpenAI	DeepSeek-V4-Pro 技术报告