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。
- 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%
133 / 133
| # | |||||
|---|---|---|---|---|---|
| 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 |
相关基准测试
GPQA Diamond (Vals) 上的热门模型对比
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。