BenchLeader

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。

发布方
Artificial Analysis
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。

567 / 567
#
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

更多推理基准测试 · 全部大模型基准测试

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。