GPQA Diamond

Name: GPQA Diamond
Creator: Epoch AI

Epoch AI / 知識 · 大学院レベルの物理、化学、生物の知識

News での扱い順位に反映

根拠の配分2%

元データの時点11/06 09:14

最後に同期に成功11/16 02:05

何をどう測るか

Epochが独自に再実行したmean_scoreのみを採用し、推論ティアと標準誤差を保持する。198問の科学知識問題は推論を要するが、世界知識全体を代表するものではない。

正式に採点。同一問題ファミリーは固定予算を共有する。

固定ルールに従い、各公開モデルは代表的な構成を1つ採用する。匿名テスト型番は表示せず、元のランキング順位を保持し、各項目は最大30件。

元の順位	元のモデル名	元のスコア	代表的な設定
1	gemini-4-carbon_highgoogle	96.5%	High 推論
2	gemini-4-argon_highGoogle	96.4%	High 推論
3	claude-fable-5-2-fallback_maxAnthropic	96.0%	Max 推論
4	gpt-6-astra_maxOpenAI	95.8%	Max 推論
5	claude-sonnet-5-5_maxanthropic	95.6%	Max 推論
6	gemini-3.8-flash_highGoogle	95.4%	High 推論
6	gpt-6.1-sol_max—	95.4%	Max 推論
8	gemini-3.7-flash_highGoogle	94.8%	High 推論
9	gpt-5.4-pro-2026-03-05_xhighOpenAI	94.6%	xHigh 推論
10	gemini-3.1-pro-preview_highGoogle	94.4%	High 推論
11	gpt-6.1-terra_maxOpenAI	94.3%	Max 推論
11	gpt-6-sol_maxOpenAI	94.3%	Max 推論
13	kimi-k3.1-pro-together_maxMoonshot	94.2%	Max 推論
14	gemini-3.6-flash_highGoogle	94.1%	High 推論
16	claude-opus-5-5-fallback_maxAnthropic	94.1%	Max 推論
20	claude-opus-5_maxAnthropic	93.9%	Max 推論
20	claude-fable-5-fallback_maxAnthropic	93.9%	Max 推論
20	claude-fable-5-2_maxAnthropic	93.9%	Max 推論
23	gpt-5.6-sol_maxOpenAI	93.5%	Max 推論
24	grok-4.5_highxAI	93.4%	High 推論
25	gpt-5.6-terra_maxOpenAI	93.3%	Max 推論
26	gpt-5.4-2026-03-05_xhighOpenAI	93.3%	xHigh 推論
27	deepseek-v4.1-flash-1017_maxdeepseek	93.2%	Max 推論
27	grok-4.6_xhighxAI	93.2%	xHigh 推論
29	doubao-seed-evolving_highByteDance	93.1%	High 推論
29	kimi-k3_maxMoonshot AI	93.1%	Max 推論
32	gemini-3.5-flash_highGoogle	92.8%	High 推論
33	grok-4.7_xhighxAI	92.7%	xHigh 推論
34	qwen3.8-max_xhighAlibaba	92.7%	xHigh 推論
35	gemini-3-pro-previewGoogle	92.6%	情報源のデフォルト構成

評価の限界とデータの出典

正式に採点。同一問題ファミリーは固定予算を共有する。

データのライセンス：CC BY 4.0 · Epoch AI 独自評価データ

スコアは Epoch AI が公開。元のスコアと News のコンセンサススコアは尺度が異なるため、直接合算できない。