BenchLeader

GPQA Diamond (AA)のリーダーボード

2026年11月16日時点で、GPQA Diamond (AA)の最高スコアは96.3%で、GPT-6 Astra(OpenAI)が記録しています。次点はGemini 3.8 Flashの95.3%です。公表された結果があるのは567のモデル構成です(Artificial Analysis、結果の日付は2026年9月3日)。GPQA Diamondは、博士レベルの専門家が作成した生物学・物理学・化学の多肢選択問題198問からなるセットです。問題は「Google検索では解けない」ように作られており、Webを自由に使える有能な非専門家でも正答率は約3分の1にとどまる一方、その分野の専門家は約3分の2を正答します。Diamondサブセットには、専門家が正解し非専門家が誤答した問題だけが残されています。GPQA Diamond (AA)は参考として掲載しており、BenchLeader Indexには含まれません。

要点(2026年11月16日時点)

  • GPT-6 AstraがGPQA Diamond (AA)の最高スコア96.3%を記録しています(Artificial Analysis、2026年9月3日)。
  • GPQA Diamond (AA)の2位はGemini 3.8 Flashで、95.3%です(Artificial Analysis、2026年9月2日)。
  • GPQA Diamond (AA):Artificial Analysisが独自に実行したGPQA Diamond。参考として掲載。Indexに使うのはEpochの実行結果です(Artificial Analysis)。
  • BenchLeaderでは567のモデル構成にGPQA Diamond (AA)の公表結果があります(BenchLeader、2026年11月16日)。
  • GPQA Diamond (AA)はBenchLeader Indexには反映されず、参考として掲載しています(BenchLeaderの評価方法)。

Artificial Analysisが独自に実行したGPQA Diamond。参考として掲載。Indexに使うのはEpochの実行結果です。

公開元
Artificial Analysis
カテゴリ
推論
Indexでの重み
参考のみ
モデル
567
データ基準日
2026年11月16日

Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.

どんなテストか

GPQA Diamondは、博士レベルの専門家が作成した生物学・物理学・化学の多肢選択問題198問からなるセットです。問題は「Google検索では解けない」ように作られており、Webを自由に使える有能な非専門家でも正答率は約3分の1にとどまる一方、その分野の専門家は約3分の2を正答します。Diamondサブセットには、専門家が正解し非専門家が誤答した問題だけが残されています。

採点方法

198問での正答率です。

注意点

Artificial Analysisが自社の固定ハーネスで独自に実行したGPQA Diamondです。参考として表示しており、Indexに反映しているのはEpoch AIの実行結果です。2つの実行の差から、プロンプトやサンプリングがどれほど結果を左右するかがわかります。GPQA Diamondのボードもあわせてご覧ください。

567件中567件
#
1GPT-6 Astraxhigh96.3%66.02026-09-03
2GPT-6 Astramax96.1%67.32026-09-03
3Gemini 3.8 Flashhigh95.3%59.42026-09-02
4GPT-6 Astrahigh95.0%66.32026-09-03
5Grok 4.6high95.0%60.62026-08-12
6Gemini 3.7 Flashhigh94.5%62.12026-08-13
7GPT-5.6 Solmax94.1%65.32026-07-09
8Gemini 3.1 Pro94.1%59.92026-02-19
9Muse Spark 1.3xhigh94.1%58.12026-09-02
10GPT-6 Astramedium93.9%64.42026-09-03
11Claude Fable 5.1max93.7%66.72026-09-01
12Claude Opus 5high93.7%64.42026-07-24
13Claude Opus 5xhigh93.7%60.12026-07-24
14GPT-5.5xhigh93.5%64.12026-04-23
15Muse Spark 1.3max93.5%60.62026-09-02
16Kimi K3max93.5%60.22026-07-16
17Gemini 3.8 Flashmedium93.5%60.22026-09-02
18Grok 4.6medium93.5%59.42026-08-12
19Grok 4.6xhigh93.5%56.12026-08-12
20Qwen3.8 2.4T A95B93.5%51.42026-08-12
21Claude Fable 5.1xhigh93.4%64.62026-09-01
22Claude Opus 5max93.2%65.02026-07-24
23GPT-5.5high93.2%63.52026-04-23
24GPT-5.6 Solxhigh93.1%63.92026-07-09
25GPT-6 Astralow93.1%62.02026-09-03
26Grok 4.5high93.1%56.82026-07-08
27MiniMax M392.9%56.12026-06-01
28GPT-5.6 Solhigh92.8%63.42026-07-09
29Gemini 3.6 Flashhigh92.8%61.02026-07-21
30Qwen3.8 Maxmax92.8%58.72026-09-02
31DeepSeek V4 Promax92.8%54.72026-08-13
32Claude Fable 5max92.6%65.12026-06-09
33GPT-5.6 Solmedium92.6%61.32026-07-09
34GPT-5.5medium92.6%60.82026-04-23
35GPT-5.6 Terramax92.5%59.52026-07-09
36Qwen3.7max92.3%60.02026-05-19
37Qwen3.8-Flash-Next92.3%53.92026-08-26
38Gemini 3.5 Flashhigh92.2%62.52026-05-19
39Gemini 3.5 Flashmedium92.1%61.82026-05-19
40Gemini 3.7 Flashmedium92.1%60.12026-08-13
41GPT-5.4xhigh92.0%63.12026-03-05
42Claude Opus 4.8max92.0%61.12026-05-28
43Gemini 3.8 Flashlow92.0%55.92026-09-02
44Claude Opus 5medium91.9%57.52026-07-24
45GLM 5.3max91.7%58.82026-08-18
46GPT-5.3-Codexxhigh91.5%62.92026-02-05
47Claude Opus 4.7max91.4%59.72026-04-16
48Deepseek v4 Flash Visionmax91.3%–2026-08-21
49GLM 5.3 Flash91.2%57.82026-08-26
50Kimi K2.6thinking91.1%59.32026-04-20
51Grok 4.20thinking91.1%58.32026-04-07
52GPT-5.6 Lunamax91.1%56.22026-07-09
53Claude Sonnet 5max91.1%56.12026-06-30
54GPT-5.5low91.0%58.12026-04-23
55GPT-5.6 Terraxhigh90.8%60.12026-07-09
56Gemini 3 Prohigh90.8%60.02025-11-18
57DeepSeek V4 Flashmax90.8%56.82026-07-31
58Claude Fable 5.1high90.6%63.72026-09-01
59Qwen3.8 27Bxhigh90.5%52.22026-08-14
60DeepSeek V4 Pro 0424high90.5%–2026-04-24

推論のベンチマークをもっと見る · LLMベンチマーク一覧

引用表記:BenchLeader「GPQA Diamond (AA)のリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/aa_gpqa

GPQA Diamond (AA):よくある質問

GPQA Diamond (AA)は何を測るベンチマークですか?
GPQA Diamondは、博士レベルの専門家が作成した生物学・物理学・化学の多肢選択問題198問からなるセットです。問題は「Google検索では解けない」ように作られており、Webを自由に使える有能な非専門家でも正答率は約3分の1にとどまる一方、その分野の専門家は約3分の2を正答します。Diamondサブセットには、専門家が正解し非専門家が誤答した問題だけが残されています。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
GPQA Diamond (AA)の最高スコアは?
2026年11月16日時点で、GPQA Diamond (AA)の最高スコアは96.3%で、GPT-6 Astraが記録しています(結果の日付は2026年9月3日)。次点はGemini 3.8 Flashの95.3%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
GPQA Diamond (AA)でトップのAIモデルは?
2026年11月16日時点で、GPQA Diamond (AA)の首位はGPT-6 Astraで、スコアは96.3%です(結果の日付は2026年9月3日)。続いてGemini 3.8 Flash(95.3%)です。
GPQA Diamond (AA)の結果があるモデルはいくつですか?
BenchLeaderでは567のモデル構成にGPQA Diamond (AA)の結果があり、すべてArtificial Analysisから取得しています。
GPQA Diamond (AA)を運営しているのは誰で、どのくらいの頻度で更新されますか?
GPQA Diamond (AA)はArtificial Analysisが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
GPQA Diamond (AA)はBenchLeader Indexに含まれますか?
いいえ。GPQA Diamond (AA)は参考として掲載していますが、総合スコアには含めていません。