GPQA-Diamond推理

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%。用于评估 AI 的科学知识与推理深度。

排行数据源

#模型得分

1

GPT-6 AstraOpenAI

96.0%

2

Gemini 3.8 FlashGoogle

95.3%

3

GPT-5.6 SolOpenAI

94.6%

4

Claude Mythos PreviewAnthropic

94.6%

5

GPT-5.4 ProOpenAI

94.4%

6

Gemini 3.1 ProGoogle

94.3%

7

Claude Opus 4.7Anthropic

94.2%

8

Claude Opus 5Anthropic

93.7%

9

Claude Fable 5.1Anthropic

93.7%

10

Claude Opus 4.8Anthropic

93.6%

共 137 个模型

返回基准目录

GPQA-Diamond推理

官方网站

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%。用于评估 AI 的科学知识与推理深度。

排行数据源

#模型得分

1

GPT-6 AstraOpenAI

96.0%

2

Gemini 3.8 FlashGoogle

95.3%

3

GPT-5.6 SolOpenAI

94.6%

4