BenchLeader

GPQA Diamond (Vals) 排行榜

截至 2026年11月16日,GPQA Diamond (Vals) 的最高分为 95.5%,由 Gemini 3.1 Pro(Google)取得,领先于 GPT-5.6 Sol(95.2%)。共有 133 个模型配置公布了结果(Vals AI,结果日期 2026年9月1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 (Vals) 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Gemini 3.1 Pro 以 95.5% 保持 GPQA Diamond (Vals) 最高分(Vals AI,2026年9月1日)。
  • GPT-5.6 Sol 以 95.2% 位列 GPQA Diamond (Vals) 第二(Vals AI,2026年9月1日)。
  • GPQA Diamond (Vals):Vals AI 自行运行的 GPQA Diamond。仅作参考(Vals AI)。
  • BenchLeader 上有 133 个模型配置公布了 GPQA Diamond (Vals) 结果(BenchLeader,2026年11月16日)。
  • GPQA Diamond (Vals) 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

Vals AI 自行运行的 GPQA Diamond。仅作参考。

发布方
Vals AI
类别
推理
Index 权重
仅作参考
模型
133
数据截至
2026年11月16日

Vals AI (vals.ai).

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 Vals AI 自行运行的 GPQA Diamond。仅供参考;计入 Index 的是 Epoch AI 的运行结果。另请参阅 GPQA Diamond 排行榜。

133 / 133
#
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

更多推理基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《GPQA Diamond (Vals) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_gpqa。

GPQA Diamond (Vals):常见问题

GPQA Diamond (Vals) 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 (Vals) 的最高分是多少?
截至 2026年11月16日,GPQA Diamond (Vals) 的最高分为 95.5%,由 Gemini 3.1 Pro 取得(结果日期 2026年9月1日),领先于 GPT-5.6 Sol(95.2%)。分数来自 Vals AI,每天重新读取。
哪个 AI 模型在 GPQA Diamond (Vals) 上领先?
截至 2026年11月16日,GPQA Diamond (Vals) 排名第一的是 Gemini 3.1 Pro,分数为 95.5%(结果日期 2026年9月1日)。其后为 GPT-5.6 Sol(95.2%)。
有多少模型有 GPQA Diamond (Vals) 结果?
BenchLeader 上有 133 个模型配置有 GPQA Diamond (Vals) 结果,全部取自 Vals AI。
GPQA Diamond (Vals) 由谁运行,多久更新一次?
GPQA Diamond (Vals) 由 Vals AI 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 (Vals) 是否计入 BenchLeader Index?
不计入。GPQA Diamond (Vals) 仅作参考展示,不计入综合分数。