GPQA Diamond

Name: GPQA Diamond
Creator: Epoch AI

Epoch AI / 知识问答 · 研究生水平的物理、化学与生物知识

官方评测

在裕瑞产业情报中仅供参考

证据预算NaN%

上游数据时间10/20 06:38

最近成功同步10/23 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

头部模型已接近满分，区分度不足，只作参考，不计分。

评测成绩

同一模型测了多个档位时，按固定规则只取一套代表成绩；没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示，名次照搬原榜，每项最多列 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	gemini-4-argon_highGoogle	96.4%	High 推理
2	gpt-6-astra_maxOpenAI	95.8%	Max 推理
3	claude-sonnet-5-5_maxAnthropic	95.6%	Max 推理
4	gpt-6.1-sol_maxOpenAI	95.4%	Max 推理
4	gemini-3.8-flash_highGoogle	95.4%	High 推理
6	gemini-3.7-flash_highGoogle	94.8%	High 推理
7	gpt-5.4-pro-2026-03-05_xhighOpenAI	94.6%	xHigh 推理
8	gemini-3.1-pro-preview_highGoogle	94.4%	High 推理
9	gpt-6-sol_maxOpenAI	94.3%	Max 推理
10	gemini-3.6-flash_highGoogle	94.1%	High 推理
12	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。
14	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。
15	claude-opus-5_maxAnthropic	93.9%	Max 推理
16	gpt-5.6-sol_maxOpenAI	93.5%	Max 推理
17	grok-4.5_highxAI	93.4%	High 推理
18	gpt-5.6-terra_maxOpenAI	93.3%	Max 推理
19	gpt-5.4-2026-03-05_xhighOpenAI	93.3%	xHigh 推理
20	deepseek-v4.1-flash-1017_maxDeepSeek	93.2%	Max 推理
20	grok-4.6_xhighxAI	93.2%	xHigh 推理
22	kimi-k3_maxMoonshot AI	93.1%	Max 推理
24	gemini-3.5-flash_highGoogle	92.8%	High 推理
25	grok-4.7_xhighxAI	92.7%	xHigh 推理
26	qwen3.8-max_xhighAlibaba	92.7%	xHigh 推理
27	gemini-3-pro-previewGoogle	92.6%	来源默认配置
28	qwen3.8-max-0902_xhighAlibaba	92.3%	xHigh 推理
30	glm-5.2_maxZ.ai	91.9%	Max 推理
31	deepseek-v4-pro-0813_maxDeepSeek	91.7%	Max 推理
32	gpt-5.6-luna_maxOpenAI	91.6%	Max 推理
33	gpt-5.2-2025-12-11_xhighOpenAI	91.4%	xHigh 推理
34	claude-opus-4-8_maxAnthropic	91.0%	Max 推理

评测局限与数据署名

头部模型已接近满分，区分度不足。

数据许可：CC BY 4.0 · Epoch AI 自行评测数据

成绩由 Epoch AI 发布。各项评测的原始分数尺度不同，不能直接相加；AIHOT 按公开规则把它们折算成同一种分数。