GPQA Diamond · 198-question Diamond subset · 测试定义与成绩

GPQA Diamond · 198-question Diamond subset 收录 24 次模型发布的评测披露或成绩。

测试版本与指标

别名 GPQA Diamond、GPQA (diamond)

  • Accuracy · % · 越高越好

各系列最新模型 · 公布成绩

常规展示范围。排名按指标与评测协议分组,已记录的工具、预算及框架分别展示。条件未说明的组保留公布值供查证。

Accuracy %

工具条件未记录 / xhigh / 框架未记录 · 条件未说明

GPQA Diamond · 198-question Diamond subset · Accuracy · 工具条件未记录 / xhigh / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5Xhigh93.6%

工具条件未记录 / xhigh / 框架未记录 · GPQA Diamond; tool access not separately stated in the table.

GPQA Diamond · 198-question Diamond subset · Accuracy · 工具条件未记录 / xhigh / 框架未记录 · GPQA Diamond; tool access not separately stated in the table.
名次模型与配置成绩(%)记录与证据
1GPT-5.4 miniXhigh88%
2GPT-5.4 nanoXhigh82.8%

禁止工具 / high / 框架未记录 · No tools

GPQA Diamond · 198-question Diamond subset · Accuracy · 禁止工具 / high / 框架未记录 · No tools
模型与配置成绩(%)记录与证据
Gemini 3.1 ProHigh94.3%

历史记录 · 24 次发布

  • GPT-6.2 Astra本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-6.2 Sol本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-6 Astra本次发布有 7 条成绩记录,含 7 条精确值(可含历史记录)
  • GPT-5.6 Sol本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.6 Luna本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.6 Terra本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Opus 4.8本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.5本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Opus 4.7本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.4 mini本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.4 nano本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.4本次发布有 3 条成绩记录,含 3 条精确值(可含历史记录)
  • Gemini 3.1 Pro本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Sonnet 4.6本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Opus 4.6本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.2本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • Claude Opus 4.5本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Gemini 3 Pro本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.1本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Haiku 4.5本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • GPT-5 mini本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5 nano本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Gemini 2.5 Pro (GA)本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)