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。
- 1Gemini 3.1 Pro (high)95.5%
- 2GPT-5.6 Sol (max)95.2%
- 3Grok 4.6 (high)94.7%
- 4Gemini 3.8 Flash (high)94.4%
- 5Gemini 3.7 Flash (high)93.9%
- 6Qwen3.8 Max (max)93.7%
- 7Claude Fable 5.1 (max)93.4%
- 8Claude Opus 593.4%
- 9Gemini 3.6 Flash (high)93.4%
- 10Claude Fable 5 (max)93.2%
- 11GPT-5.5 (xhigh)93.2%
- 12Kimi K392.9%
- 13Grok 4.5 (high)92.9%
- 14Gemini 3.5 Flash (high)92.7%
- 15MiniMax M392.7%
| # | |||||
|---|---|---|---|---|---|
| 1 | 95.5% | 60.4 | $0.081 | 2026-09-01 | |
| 2 | 95.2% | 65.3 | $0.110 | 2026-09-01 | |
| 3 | 94.7% | 60.6 | $0.045 | 2026-09-01 | |
| 4 | 94.4% | 59.4 | $0.056 | 2026-09-01 | |
| 5 | 93.9% | 62.1 | $0.023 | 2026-09-01 | |
| 6 | 93.7% | 58.7 | $0.077 | 2026-09-01 | |
| 7 | 93.4% | 66.7 | $0.205 | 2026-09-01 | |
| 8 | 93.4% | 63.2 | $0.095 | 2026-09-01 | |
| 9 | 93.4% | 61.0 | $0.032 | 2026-09-01 | |
| 10 | 93.2% | 65.1 | $0.450 | 2026-09-01 | |
| 11 | 93.2% | 64.1 | $0.083 | 2026-09-01 | |
| 12 | 92.9% | 60.7 | $0.088 | 2026-09-01 | |
| 13 | 92.9% | 56.8 | $0.044 | 2026-09-01 | |
| 14 | 92.7% | 62.5 | $0.064 | 2026-09-01 | |
| 15 | 92.7% | 56.1 | $0.025 | 2026-09-01 | |
| 16 | 92.4% | 61.1 | $0.339 | 2026-09-01 | |
| 17 | 92.4% | 54.7 | $0.066 | 2026-09-01 | |
| 18 | 91.7% | 63.1 | $0.209 | 2026-09-01 | |
| 19 | 91.7% | 60.0 | $0.090 | 2026-09-01 | |
| 20 | 91.7% | 59.9 | $0.149 | 2026-09-01 | |
| 21 | 91.7% | 56.2 | $0.011 | 2026-09-01 | |
| 22 | 91.4% | 54.5 | $0.025 | 2026-09-01 | |
| 23 | 91.2% | 59.5 | $0.034 | 2026-09-01 | |
| 24 | 90.9% | 60.1 | $0.034 | 2026-09-01 | |
| 25 | 90.2% | 60.0 | $0.061 | 2026-09-01 | |
| 26 | 90.2% | 59.7 | $0.365 | 2026-09-01 | |
| 27 | 89.9% | 57.2 | $0.013 | 2026-09-01 | |
| 28 | 89.7% | 64.2 | $0.0031 | 2026-09-01 | |
| 29 | 89.7% | 57.0 | $0.295 | 2026-09-01 | |
| 30 | 89.1% | 55.1 | $0.080 | 2026-09-01 | |
| 31 | 88.9% | 56.1 | $0.078 | 2026-09-01 | |
| 32 | 88.9% | 52.2 | $0.047 | 2026-09-01 | |
| 33 | 88.6% | 58.3 | $0.034 | 2026-09-01 | |
| 34 | 88.1% | 58.8 | $0.056 | 2026-09-01 | |
| 35 | 88.1% | 58.1 | $0.148 | 2026-09-01 | |
| 36 | 87.9% | 57.4 | $0.044 | 2026-09-01 | |
| 37 | 87.4% | 59.0 | $0.023 | 2026-09-01 | |
| 38 | 87.4% | 57.4 | $0.019 | 2026-09-01 | |
| 39 | 87.1% | 50.4 | $0.166 | 2026-09-01 | |
| 40 | 86.6% | 57.5 | $0.075 | 2026-09-01 | |
| 41 | 86.6% | 56.6 | $0.014 | 2026-09-01 | |
| 42 | 86.4% | 52.4 | $0.0016 | 2026-09-01 | |
| 43 | 86.1% | 55.4 | – | 2026-09-01 | |
| 44 | 85.9% | 59.7 | $0.713 | 2026-09-01 | |
| 45 | 85.6% | 58.2 | $0.073 | 2026-09-01 | |
| 46 | 85.6% | 56.1 | $0.409 | 2026-09-01 | |
| 47 | 85.6% | 51.9 | $0.057 | 2026-09-01 | |
| 48 | 85.3% | 51.6 | $0.0030 | 2026-09-01 | |
| 49 | 84.8% | 54.2 | $0.074 | 2026-09-01 | |
| 50 | 84.8% | 51.7 | $0.0033 | 2026-09-01 | |
| 51 | 84.5% | 55.4 | $0.045 | 2026-09-01 | |
| 52 | 84.3% | 55.3 | $0.0029 | 2026-09-01 | |
| 53 | 84.1% | 59.4 | $0.030 | 2026-09-01 | |
| 54 | 84.1% | 55.1 | $0.036 | 2026-09-01 | |
| 55 | 83.8% | 47.8 | $0.012 | 2026-09-01 | |
| 56 | 83.6% | 52.0 | $0.020 | 2026-09-01 | |
| 57 | 83.3% | 60.2 | $0.034 | 2026-09-01 | |
| 58 | 83.1% | 55.1 | $0.013 | 2026-09-01 | |
| 59 | 82.8% | 51.8 | $0.0034 | 2026-09-01 | |
| 60 | 82.6% | 55.5 | $0.0067 | 2026-09-01 |
関連するベンチマーク
GPQA Diamond (Vals)での注目のモデル比較
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。