BenchLeader

GPQA Diamond (Vals)のリーダーボード

2026年11月16日時点で、GPQA Diamond (Vals)の最高スコアは95.5%で、Gemini 3.1 Pro(Google)が記録しています。次点はGPT-5.6 Solの95.2%です。公表された結果があるのは133のモデル構成です(Vals AI、結果の日付は2026年9月1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 (Vals)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)

  • Gemini 3.1 ProがGPQA Diamond (Vals)の最高スコア95.5%を記録しています(Vals AI、2026年9月1日)。
  • GPQA Diamond (Vals)の2位はGPT-5.6 Solで、95.2%です(Vals AI、2026年9月1日)。
  • GPQA Diamond (Vals):Vals AIが独自に実行したGPQA Diamond。参考として掲載(Vals AI)。
  • BenchLeaderでは133のモデル構成にGPQA Diamond (Vals)の公表結果があります(BenchLeader、2026年11月16日)。
  • GPQA Diamond (Vals)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)。

Vals AIが独自に実行したGPQA Diamond。参考として掲載。

公開元
Vals AI
カテゴリ
推論
Indexでの重み
参考のみ
モデル
133
データ基準日
2026年11月16日

Vals AI (vals.ai).

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

Vals AIが独自に実行した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。GPQA Diamondのボードもあわせてご覧ください。

133件中133件
#
1Gemini 3.1 Prohigh95.5%60.4$0.0812026-09-01
2GPT-5.6 Solmax95.2%65.3$0.1102026-09-01
3Grok 4.6high94.7%60.6$0.0452026-09-01
4Gemini 3.8 Flashhigh94.4%59.4$0.0562026-09-01
5Gemini 3.7 Flashhigh93.9%62.1$0.0232026-09-01
6Qwen3.8 Maxmax93.7%58.7$0.0772026-09-01
7Claude Fable 5.1max93.4%66.7$0.2052026-09-01
8Claude Opus 593.4%63.2$0.0952026-09-01
9Gemini 3.6 Flashhigh93.4%61.0$0.0322026-09-01
10Claude Fable 5max93.2%65.1$0.4502026-09-01
11GPT-5.5xhigh93.2%64.1$0.0832026-09-01
12Kimi K392.9%60.7$0.0882026-09-01
13Grok 4.5high92.9%56.8$0.0442026-09-01
14Gemini 3.5 Flashhigh92.7%62.5$0.0642026-09-01
15MiniMax M392.7%56.1$0.0252026-09-01
16Claude Opus 4.8max92.4%61.1$0.3392026-09-01
17DeepSeek V4 Promax92.4%54.7$0.0662026-09-01
18GPT-5.4xhigh91.7%63.1$0.2092026-09-01
19Gemini 3 Prohigh91.7%60.0$0.0902026-09-01
20GPT-5.2xhigh91.7%59.9$0.1492026-09-01
21GPT-5.6 Lunamax91.7%56.2$0.0112026-09-01
22Grok 4.391.4%54.5$0.0252026-09-01
23Muse Spark 1.1xhigh91.2%59.5$0.0342026-09-01
24GPT-5.6 Terraxhigh90.9%60.1$0.0342026-09-01
25Qwen3.7max90.2%60.0$0.0612026-09-01
26Claude Opus 4.7max90.2%59.7$0.3652026-09-01
27DeepSeek V4 Flashhigh89.9%57.2$0.0132026-09-01
28Muse Spark89.7%64.2$0.00312026-09-01
29Claude Opus 4.6max89.7%57.0$0.2952026-09-01
30Kimi K2.689.1%55.1$0.0802026-09-01
31Claude Sonnet 5max88.9%56.1$0.0782026-09-01
32Qwen3.8 27Bxhigh88.9%52.2$0.0472026-09-01
33Grok 4.20thinking88.6%58.3$0.0342026-09-01
34GLM 5.3max88.1%58.8$0.0562026-09-01
35Grok 488.1%58.1$0.1482026-09-01
36Gemini 3 Flashhigh87.9%57.4$0.0442026-09-01
37Qwen3.6 Plus87.4%59.0$0.0232026-09-01
38Qwen3.5 Plusthinking87.4%57.4$0.0192026-09-01
39Inkling87.1%50.4$0.1662026-09-01
40GPT-5.1high86.6%57.5$0.0752026-09-01
41MiniMax M2.786.6%56.6$0.0142026-09-01
42GLM 5.3 Flashmax86.4%52.4$0.00162026-09-01
43Nemotron 3 Ultra 550B A55B86.1%55.4–2026-09-01
44Claude Opus 4.5high85.9%59.7$0.7132026-09-01
45GPT-5high85.6%58.2$0.0732026-09-01
46Claude Sonnet 4.6max85.6%56.1$0.4092026-09-01
47GLM 5.285.6%51.9$0.0572026-09-01
48Grok 4 Fastthinking85.3%51.6$0.00302026-09-01
49Qwen3 Maxmax84.8%54.2$0.0742026-09-01
50Ling 3.0 Flash84.8%51.7$0.00332026-09-01
51GLM 5.184.5%55.4$0.0452026-09-01
52Grok 4.1 Fastthinking84.3%55.3$0.00292026-09-01
53Kimi K2.5thinking84.1%59.4$0.0302026-09-01
54o3high84.1%55.1$0.0362026-09-01
55Gemini 3.5 Flash Litehigh83.8%47.8$0.0122026-09-01
56Inkling Small83.6%52.0$0.0202026-09-01
57GLM-5thinking83.3%60.2$0.0342026-09-01
58GPT-5.4 Minixhigh83.1%55.1$0.0132026-09-01
59Qwen3.5 Flash82.8%51.8$0.00342026-09-01
60MiMo-V2.5-Pro82.6%55.5$0.00672026-09-01

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 (Vals)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/vals_gpqa

GPQA Diamond (Vals):よくある質問

GPQA Diamond (Vals)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 (Vals)の最高スコアは?
2026年11月16日時点で、GPQA Diamond (Vals)の最高スコアは95.5%で、Gemini 3.1 Proが記録しています(結果の日付は2026年9月1日)。次点はGPT-5.6 Solの95.2%です。スコアはVals AIの公表値で、毎日読み直しています。
GPQA Diamond (Vals)でトップのAIモデルは?
2026年11月16日時点で、GPQA Diamond (Vals)の首位はGemini 3.1 Proで、スコアは95.5%です(結果の日付は2026年9月1日)。続いてGPT-5.6 Sol(95.2%)です。
GPQA Diamond (Vals)の結果があるモデルはいくつですか?
BenchLeaderでは133のモデル構成にGPQA Diamond (Vals)の結果があり、すべてVals AIから取得しています。
GPQA Diamond (Vals)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 (Vals)はVals AI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 (Vals)はBenchLeader Indexに含まれますか?
いいえ。GPQA Diamond (Vals)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。