Epoch AI / 知识

GPQA Diamond

研究生水平的物理、化学与生物知识

官方评测 ↗

在 AIHOT 中参与排名

证据预算2%

上游数据时间09/03 02:04

最近成功同步09/10 06:31

它测什么，怎么测

只取 Epoch 自行复跑的 mean_score，保留推理档位与标准误。198 道科学知识题需要推理，但不能代表全部世界知识。

如何使用这份证据

正式计分；同题家族共用固定预算。

评测成绩

按固定规则，每个公开模型采用一套代表配置。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	gpt-6-astra_maxOpenAI	95.8%	Max 推理
2	gemini-3.8-flash_highGoogle	95.4%	High 推理
3	gemini-3.7-flash_highGoogle	94.8%	High 推理
4	gpt-5.4-pro-2026-03-05_xhighOpenAI	94.6%	xHigh 推理
5	gemini-3.1-pro-preview_highGoogle	94.4%	High 推理
6	gemini-3.6-flash_highGoogle	94.1%	High 推理
11	claude-opus-5_maxAnthropic	93.9%	Max 推理
12	gpt-5.6-sol_maxOpenAI	93.5%	Max 推理
13	grok-4.5_highxAI	93.4%	High 推理
14	gpt-5.6-terra_maxOpenAI	93.3%	Max 推理
15	gpt-5.4-2026-03-05_xhighOpenAI	93.3%	xHigh 推理
16	grok-4.6_xhighxAI	93.2%	xHigh 推理
17	kimi-k3_maxMoonshot AI	93.1%	Max 推理
19	gemini-3.5-flash_highGoogle	92.8%	High 推理
20	qwen3.8-max_xhighAlibaba	92.7%	xHigh 推理
21	gemini-3-pro-previewGoogle	92.6%	来源默认配置
22	qwen3.8-max-0902_xhighAlibaba	92.3%	xHigh 推理
24	glm-5.2_maxZ.ai	91.9%	Max 推理
25	deepseek-v4-pro-0813_maxDeepSeek	91.7%	Max 推理
26	gpt-5.6-luna_maxOpenAI	91.6%	Max 推理
27	gpt-5.2-2025-12-11_xhighOpenAI	91.4%	xHigh 推理
28	claude-opus-4-8_maxAnthropic	91.0%	Max 推理
28	deepseek-v4-flash-0731_maxDeepSeek	91.0%	Max 推理
30	glm-5.3_maxZ.ai	90.9%	Max 推理
30	MiniMax-M3MiniMax	90.9%	来源默认配置
30	qwen3.7-maxAlibaba	90.9%	来源默认配置
34	kimi-k2.6Moonshot AI	90.8%	来源默认配置
35	gpt-5.5_lowOpenAI	90.7%	Low 推理
38	glm-5.3-flash_maxZ.ai	90.2%	Max 推理
40	glm-5.1Z.ai	89.9%	来源默认配置

评测局限与数据署名

正式计分；同题家族共用固定预算。

数据许可：CC BY 4.0 · Epoch AI 自行评测数据

成绩由 Epoch AI 发布，原始分数与 AIHOT 共识分使用不同尺度，不能直接相加。