GPQA Diamond

Name: GPQA Diamond
Creator: Epoch AI

Epoch AI / 知识 · 研究生水平的物理、化学与生物知识

官方评测

在 WebAi 中参与排名

证据预算2%

上游数据时间11/06 09:14

最近成功同步11/13 20:05

它测什么，怎么测

只取 Epoch 自行复跑的 mean_score，保留推理档位与标准误。198 道科学知识题需要推理，但不能代表全部世界知识。

如何使用这份证据

正式计分；同题家族共用固定预算。

评测成绩

按固定规则，每个公开模型采用一套代表配置；没有可采用配置的模型标为未计入并写明原因。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	gemini-4-carbon_highgoogle	96.5%	High 推理
2	gemini-4-argon_highGoogle	96.4%	High 推理
3	claude-fable-5-2-fallback_maxAnthropic	96.0%	Max 推理
4	gpt-6-astra_maxOpenAI	95.8%	Max 推理
5	claude-sonnet-5-5_max—	95.6%	Max 推理
6	gpt-6.1-sol_max—	95.4%	Max 推理
6	gemini-3.8-flash_highGoogle	95.4%	High 推理
8	gemini-3.7-flash_highGoogle	94.8%	High 推理
9	gpt-5.4-pro-2026-03-05_xhighOpenAI	94.6%	xHigh 推理
10	gemini-3.1-pro-preview_highGoogle	94.4%	High 推理
11	gpt-6.1-terra_maxOpenAI	94.3%	Max 推理
11	gpt-6-sol_maxOpenAI	94.3%	Max 推理
13	kimi-k3.1-pro-together_maxMoonshot	94.2%	Max 推理
14	gemini-3.6-flash_highGoogle	94.1%	High 推理
16	claude-opus-5-5-fallback_maxAnthropic	94.1%	Max 推理
17	gpt-5.5-pre-release_xhighOpenAI	94.0%	xHigh 推理未计入：来源明确标为发布前版本，不能代表可使用的正式模型。
19	gpt-5.5-pro-pre-release_xhighOpenAI	93.9%	xHigh 推理未计入：来源明确标为发布前版本，不能代表可使用的正式模型。
20	claude-fable-5-fallback_maxAnthropic	93.9%	Max 推理
20	claude-fable-5-2_maxAnthropic	93.9%	Max 推理
20	claude-opus-5_maxAnthropic	93.9%	Max 推理
23	gpt-5.6-sol_maxOpenAI	93.5%	Max 推理
24	grok-4.5_highxAI	93.4%	High 推理
25	gpt-5.6-terra_maxOpenAI	93.3%	Max 推理
26	gpt-5.4-2026-03-05_xhighOpenAI	93.3%	xHigh 推理
27	deepseek-v4.1-flash-1017_maxdeepseek	93.2%	Max 推理
27	grok-4.6_xhighxAI	93.2%	xHigh 推理
29	kimi-k3_maxMoonshot AI	93.1%	Max 推理
29	doubao-seed-evolving_highByteDance	93.1%	High 推理
32	gemini-3.5-flash_highGoogle	92.8%	High 推理
33	grok-4.7_xhighxAI	92.7%	xHigh 推理

评测局限与数据署名

正式计分；同题家族共用固定预算。

数据许可：CC BY 4.0 · Epoch AI 自行评测数据

成绩由 Epoch AI 发布，原始分数与 WebAi 共识分使用不同尺度，不能直接相加。