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%。GPT-4 仅 39%，是评估 AI 科学知识与推理深度的关键基准。

排行数据源

#模型得分

1

GPT-5.6 SolOpenAI

94.6%

2

Claude Mythos PreviewAnthropic

94.6%

3

GPT-5.4 ProOpenAI

94.4%

4

Gemini 3.1 ProGoogle

94.3%

5

Claude Opus 4.7Anthropic

94.2%

6

Claude Opus 4.8Anthropic

93.6%

7

GPT-5.5OpenAI

93.6%

8

Kimi K3月之暗面

93.5%

9

GPT-5.2 ProOpenAI

93.2%

10

MiniMax M3MiniMax

93.0%

共 133 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%。GPT-4 仅 39%，是评估 AI 科学知识与推理深度的关键基准。

排行数据源

#模型得分

1

GPT-5.6 SolOpenAI

94.6%

2

Claude Mythos PreviewAnthropic

94.6%

3

GPT-5.4 ProOpenAI

94.4%

4