GPQA Diamond (AA) 排行榜
截至 2026年11月16日,GPQA Diamond (AA) 的最高分为 96.3%,由 GPT-6 Astra(OpenAI)取得,领先于 Gemini 3.8 Flash(95.3%)。共有 567 个模型配置公布了结果(Artificial Analysis,结果日期 2026年9月3日)。GPQA Diamond 是一套由博士水平的领域专家编写的 198 道生物、物理和化学选择题。题目刻意设计成“谷歌也查不到”:即使是能力很强的非专业人士,在可以随意上网的情况下也只能答对约三分之一,而该领域的专家能答对约三分之二。Diamond 子集只保留专家答对、非专业人士答错的题目。GPQA Diamond (AA) 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- GPT-6 Astra 以 96.3% 保持 GPQA Diamond (AA) 最高分(Artificial Analysis,2026年9月3日)。
- Gemini 3.8 Flash 以 95.3% 位列 GPQA Diamond (AA) 第二(Artificial Analysis,2026年9月2日)。
- GPQA Diamond (AA):Artificial Analysis 自行运行的 GPQA Diamond。仅作参考;计入 Index 的是 Epoch 的结果(Artificial Analysis)。
- BenchLeader 上有 567 个模型配置公布了 GPQA Diamond (AA) 结果(BenchLeader,2026年11月16日)。
- GPQA Diamond (AA) 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
Artificial Analysis 自行运行的 GPQA Diamond。仅作参考;计入 Index 的是 Epoch 的结果。
- 类别
- 推理
- Index 权重
- 仅作参考
- 模型
- 567
- 数据截至
- 2026年11月16日
Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.
测试内容
GPQA Diamond 是一套由博士水平的领域专家编写的 198 道生物、物理和化学选择题。题目刻意设计成“谷歌也查不到”:即使是能力很强的非专业人士,在可以随意上网的情况下也只能答对约三分之一,而该领域的专家能答对约三分之二。Diamond 子集只保留专家答对、非专业人士答错的题目。
评分方式
198 道题的准确率。
注意事项
这是 Artificial Analysis 在其固定测试框架中自行运行的 GPQA Diamond。仅供参考;计入 Index 的是 Epoch AI 的运行结果。两次运行之间的差异说明了提示词和采样的影响有多大。另请参阅 GPQA Diamond 排行榜。
- 1GPT-6 Astra (xhigh)96.3%
- 2GPT-6 Astra (max)96.1%
- 3Gemini 3.8 Flash (high)95.3%
- 4GPT-6 Astra (high)95.0%
- 5Grok 4.6 (high)95.0%
- 6Gemini 3.7 Flash (high)94.5%
- 7GPT-5.6 Sol (max)94.1%
- 8Gemini 3.1 Pro94.1%
- 9Muse Spark 1.3 (xhigh)94.1%
- 10GPT-6 Astra (medium)93.9%
- 11Claude Fable 5.1 (max)93.7%
- 12Claude Opus 5 (high)93.7%
- 13Claude Opus 5 (xhigh)93.7%
- 14GPT-5.5 (xhigh)93.5%
- 15Muse Spark 1.3 (max)93.5%
| # | ||||
|---|---|---|---|---|
| 1 | 96.3% | 66.0 | 2026-09-03 | |
| 2 | 96.1% | 67.3 | 2026-09-03 | |
| 3 | 95.3% | 59.4 | 2026-09-02 | |
| 4 | 95.0% | 66.3 | 2026-09-03 | |
| 5 | 95.0% | 60.6 | 2026-08-12 | |
| 6 | 94.5% | 62.1 | 2026-08-13 | |
| 7 | 94.1% | 65.3 | 2026-07-09 | |
| 8 | 94.1% | 59.9 | 2026-02-19 | |
| 9 | 94.1% | 58.1 | 2026-09-02 | |
| 10 | 93.9% | 64.4 | 2026-09-03 | |
| 11 | 93.7% | 66.7 | 2026-09-01 | |
| 12 | 93.7% | 64.4 | 2026-07-24 | |
| 13 | 93.7% | 60.1 | 2026-07-24 | |
| 14 | 93.5% | 64.1 | 2026-04-23 | |
| 15 | 93.5% | 60.6 | 2026-09-02 | |
| 16 | 93.5% | 60.2 | 2026-07-16 | |
| 17 | 93.5% | 60.2 | 2026-09-02 | |
| 18 | 93.5% | 59.4 | 2026-08-12 | |
| 19 | 93.5% | 56.1 | 2026-08-12 | |
| 20 | 93.5% | 51.4 | 2026-08-12 | |
| 21 | 93.4% | 64.6 | 2026-09-01 | |
| 22 | 93.2% | 65.0 | 2026-07-24 | |
| 23 | 93.2% | 63.5 | 2026-04-23 | |
| 24 | 93.1% | 63.9 | 2026-07-09 | |
| 25 | 93.1% | 62.0 | 2026-09-03 | |
| 26 | 93.1% | 56.8 | 2026-07-08 | |
| 27 | 92.9% | 56.1 | 2026-06-01 | |
| 28 | 92.8% | 63.4 | 2026-07-09 | |
| 29 | 92.8% | 61.0 | 2026-07-21 | |
| 30 | 92.8% | 58.7 | 2026-09-02 | |
| 31 | 92.8% | 54.7 | 2026-08-13 | |
| 32 | 92.6% | 65.1 | 2026-06-09 | |
| 33 | 92.6% | 61.3 | 2026-07-09 | |
| 34 | 92.6% | 60.8 | 2026-04-23 | |
| 35 | 92.5% | 59.5 | 2026-07-09 | |
| 36 | 92.3% | 60.0 | 2026-05-19 | |
| 37 | 92.3% | 53.9 | 2026-08-26 | |
| 38 | 92.2% | 62.5 | 2026-05-19 | |
| 39 | 92.1% | 61.8 | 2026-05-19 | |
| 40 | 92.1% | 60.1 | 2026-08-13 | |
| 41 | 92.0% | 63.1 | 2026-03-05 | |
| 42 | 92.0% | 61.1 | 2026-05-28 | |
| 43 | 92.0% | 55.9 | 2026-09-02 | |
| 44 | 91.9% | 57.5 | 2026-07-24 | |
| 45 | 91.7% | 58.8 | 2026-08-18 | |
| 46 | 91.5% | 62.9 | 2026-02-05 | |
| 47 | 91.4% | 59.7 | 2026-04-16 | |
| 48 | 91.3% | – | 2026-08-21 | |
| 49 | 91.2% | 57.8 | 2026-08-26 | |
| 50 | 91.1% | 59.3 | 2026-04-20 | |
| 51 | 91.1% | 58.3 | 2026-04-07 | |
| 52 | 91.1% | 56.2 | 2026-07-09 | |
| 53 | 91.1% | 56.1 | 2026-06-30 | |
| 54 | 91.0% | 58.1 | 2026-04-23 | |
| 55 | 90.8% | 60.1 | 2026-07-09 | |
| 56 | 90.8% | 60.0 | 2025-11-18 | |
| 57 | 90.8% | 56.8 | 2026-07-31 | |
| 58 | 90.6% | 63.7 | 2026-09-01 | |
| 59 | 90.5% | 52.2 | 2026-08-14 | |
| 60 | 90.5% | – | 2026-04-24 |
相关基准测试
GPQA Diamond (AA) 上的热门模型对比
引用格式:BenchLeader,《GPQA Diamond (AA) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_gpqa。
GPQA Diamond (AA):常见问题
- GPQA Diamond (AA) 衡量的是什么?
- GPQA Diamond 是一套由博士水平的领域专家编写的 198 道生物、物理和化学选择题。题目刻意设计成“谷歌也查不到”:即使是能力很强的非专业人士,在可以随意上网的情况下也只能答对约三分之一,而该领域的专家能答对约三分之二。Diamond 子集只保留专家答对、非专业人士答错的题目。分数以完成任务的百分比表示,越高越好。
- GPQA Diamond (AA) 的最高分是多少?
- 截至 2026年11月16日,GPQA Diamond (AA) 的最高分为 96.3%,由 GPT-6 Astra 取得(结果日期 2026年9月3日),领先于 Gemini 3.8 Flash(95.3%)。分数来自 Artificial Analysis,每天重新读取。
- 哪个 AI 模型在 GPQA Diamond (AA) 上领先?
- 截至 2026年11月16日,GPQA Diamond (AA) 排名第一的是 GPT-6 Astra,分数为 96.3%(结果日期 2026年9月3日)。其后为 Gemini 3.8 Flash(95.3%)。
- 有多少模型有 GPQA Diamond (AA) 结果?
- BenchLeader 上有 567 个模型配置有 GPQA Diamond (AA) 结果,全部取自 Artificial Analysis。
- GPQA Diamond (AA) 由谁运行,多久更新一次?
- GPQA Diamond (AA) 由 Artificial Analysis 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- GPQA Diamond (AA) 是否计入 BenchLeader Index?
- 不计入。GPQA Diamond (AA) 仅作参考展示,不计入综合分数。