BenchLeader

GPQA Diamondのリーダーボード

2026年11月16日時点で、GPQA Diamondの最高スコアは96.5%で、Gemini 4 Carbon(Google)が記録しています。次点はGemini 4 Argonの96.4%です。公表された結果があるのは306のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2026年11月10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はBenchLeader Indexの推論スコアに反映されます。

要点(2026年11月16日時点)

  • Gemini 4 CarbonがGPQA Diamondの最高スコア96.5%を記録しています(Epoch AI Benchmarking Hub、2026年11月10日)。
  • GPQA Diamondの2位はGemini 4 Argonで、96.4%です(Epoch AI Benchmarking Hub、2026年10月13日)。
  • GPQA Diamond:Google検索では答えにたどり着けないよう作られた大学院レベルの科学問題。Epoch AIが実施(Epoch AI Benchmarking Hub)。
  • BenchLeaderでは306のモデル構成にGPQA Diamondの公表結果があります(BenchLeader、2026年11月16日)。
  • GPQA DiamondはBenchLeader Indexの推論カテゴリに反映されます(BenchLeaderの評価方法)。

Google検索では答えにたどり着けないよう作られた大学院レベルの科学問題。Epoch AIが実施。

公開元
Epoch AI Benchmarking Hub
カテゴリ
推論
Indexでの重み
1.0
モデル
306
データ基準日
2026年11月16日
最新の結果
2026年11月10日

CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.

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

正答率(正しく答えた問題の割合)です。1問あたり選択肢が4つあるため、ランダムに選んでも25%になります。Epoch AIがすべてのモデルを同じプロンプトで実行し、複数回の試行の平均を公表しています。

注意点

上位モデルはすでに85%を超えており、飽和に近いため、小さな差はノイズの範囲内です。2ポイントの差は約4問に相当します。多肢選択式なので、答えを導き出す力よりも正解を見分ける力が評価されます。

306件中306件
#
1Gemini 4 Carbonhigh96.5%68.92026-11-10
2Gemini 4 Argonhigh96.4%65.32026-10-13
3GPT-6 Astramax95.8%67.32026-09-03
4Claude Sonnet 5.5max95.6%64.22026-09-28
5GPT-6.1 Solmax95.4%66.62026-09-29
6Gemini 3.8 Flashhigh95.4%59.42026-09-02
7Gemini 3.7 Flashhigh94.8%62.12026-08-13
8GPT-5.4 Proxhigh94.6%59.52026-03-05
9Gemini 3.1 Prohigh94.4%60.42026-02-19
10GPT-6.1 Terramax94.3%64.12026-10-26
11GPT-6 Solmax94.3%62.62026-09-22
12Kimi K3.1 Pro Togethermax94.2%60.02026-10-23
13Gemini 3.6 Flashhigh94.1%61.02026-07-21
14Gemini 3.1 Pro94.1%59.92026-02-19
15Grok 4.6high94.0%60.62026-08-12
16GPT-5.5 Pre Releasexhigh94.0%–2026-04-23
17GPT-5.5 Pro Pre Releasexhigh93.9%–2026-04-23
18NEWClaude Fable 5.2max93.9%72.72026-11-09
19Claude Opus 5max93.9%65.02026-07-24
20GPT-5.6 Solmax93.5%65.32026-07-09
21Grok 4.5high93.4%56.82026-07-08
22GPT-5.6 Terramax93.3%59.52026-07-09
23GPT-5.4xhigh93.3%63.12026-03-05
24DeepSeek V4.1 Flash 1017max93.2%57.72026-10-17
25Grok 4.6xhigh93.2%56.12026-08-12
26Kimi K3max93.1%60.22026-07-16
27Doubao Seed Evolvinghigh93.1%–2026-11-02
28Claude Opus 592.9%63.22026-07-24
29Gemini 3.5 Flashhigh92.8%62.52026-05-19
30Grok 4.7xhigh92.7%57.42026-09-21
31Qwen3.8 Maxxhigh92.7%56.62026-08-02
32Gemini 3 Pro92.6%60.02025-11-18
33Kimi K3high91.9%–2026-07-16
34GLM 5.2max91.9%58.92026-06-16
35DeepSeek V4 Promax91.7%54.72026-08-13
36GPT-5.6 Lunamax91.6%56.22026-07-09
37GPT-5.2xhigh91.4%59.92025-12-11
38Claude Opus 4.8max91.0%61.12026-05-28
39DeepSeek V4 Flashmax91.0%56.82026-07-31
40Qwen3.7max90.9%60.02026-05-19
41GLM 5.3max90.9%58.82026-08-14
42MiniMax M390.9%56.12026-06-01
43DeepSeek V4 Prohigh90.9%56.02026-04-24
44Kimi K2.690.8%55.12026-04-20
45GPT-5.5low90.7%58.12026-04-23
46Claude Opus 5.5max90.6%68.42026-09-22
47Claude Opus 4.690.5%62.12026-02-05
48Claude Sonnet 5xhigh90.5%55.42026-06-30
49GPT-6 Lunamax90.5%55.12026-09-22
50Claude Opus 4.7xhigh90.2%57.02026-04-16
51GLM 5.3 Flashmax90.2%52.42026-08-20
52Mistral Large 4.0 OSShigh90.2%–2026-10-29
53GPT-5.6 Sollow89.9%60.22026-07-09
54GPT-5.4high89.9%58.62026-03-05
55GLM 5.189.9%55.42026-04-07
56DeepSeek V4.1 Flashmax89.8%58.52026-09-09
57Muse Spark89.8%64.22026-04-08
58Claude Haiku 5.5max89.7%55.32026-10-07
59Doubao Seed 2.1 Turbo 260628high89.6%–2026-06-23
60Gemini 3 Flashhigh89.4%57.42025-12-17

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/gpqa_diamond

GPQA Diamond:よくある質問

GPQA Diamond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の最高スコアは?
2026年11月16日時点で、GPQA Diamondの最高スコアは96.5%で、Gemini 4 Carbonが記録しています(結果の日付は2026年11月10日)。次点はGemini 4 Argonの96.4%です。スコアはEpoch AI Benchmarking Hubの公表値で、毎日読み直しています。
GPQA DiamondでトップのAIモデルは?
2026年11月16日時点で、GPQA Diamondの首位はGemini 4 Carbonで、スコアは96.5%です(結果の日付は2026年11月10日)。続いてGemini 4 Argon(96.4%)です。
GPQA Diamondの結果があるモデルはいくつですか?
BenchLeaderでは306のモデル構成にGPQA Diamondの結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
GPQA Diamond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はEpoch AI Benchmarking Hub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はBenchLeader Indexに含まれますか?
はい。GPQA DiamondはBenchLeader Indexの推論カテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。