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

AIサイシンでの扱いランキング採用

配分2%

元データの日時10/20 07:38

最終同期10/24 02:22

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、推論設定と標準誤差を残す。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。

正式に採点する。同じ問題ファミリーは固定予算を共有する。

一定のルールに従い、公開モデルごとに代表的な構成を一つ採用する。匿名のテスト版モデルは表示せず、元の順位をそのまま残す。各項目最大 30 件。

元の順位	モデル名	元スコア	代表構成
1	gemini-4-argon_highGoogle	96.4%	High 推論
2	gpt-6-astra_maxOpenAI	95.8%	Max 推論
3	claude-sonnet-5-5_maxAnthropic	95.6%	Max 推論
4	gemini-3.8-flash_highGoogle	95.4%	High 推論
4	gpt-6.1-sol_maxOpenAI	95.4%	Max 推論
6	gemini-3.7-flash_highGoogle	94.8%	High 推論
7	gpt-5.4-pro-2026-03-05_xhighOpenAI	94.6%	xHigh 推論
8	gemini-3.1-pro-preview_highGoogle	94.4%	High 推論
9	gpt-6-sol_maxOpenAI	94.3%	Max 推論
10	gemini-3.6-flash_highGoogle	94.1%	High 推論
15	claude-opus-5_maxAnthropic	93.9%	Max 推論
16	gpt-5.6-sol_maxOpenAI	93.5%	Max 推論
17	grok-4.5_highxAI	93.4%	High 推論
18	gpt-5.6-terra_maxOpenAI	93.3%	Max 推論
19	gpt-5.4-2026-03-05_xhighOpenAI	93.3%	xHigh 推論
20	grok-4.6_xhighxAI	93.2%	xHigh 推論
20	deepseek-v4.1-flash-1017_maxDeepSeek	93.2%	Max 推論
22	kimi-k3_maxMoonshot AI	93.1%	Max 推論
24	gemini-3.5-flash_highGoogle	92.8%	High 推論
25	grok-4.7_xhighxAI	92.7%	xHigh 推論
26	qwen3.8-max_xhighAlibaba	92.7%	xHigh 推論
27	gemini-3-pro-previewGoogle	92.6%	ソース既定の構成
28	qwen3.8-max-0902_xhighAlibaba	92.3%	xHigh 推論
30	glm-5.2_maxZ.ai	91.9%	Max 推論
31	deepseek-v4-pro-0813_maxDeepSeek	91.7%	Max 推論
32	gpt-5.6-luna_maxOpenAI	91.6%	Max 推論
33	gpt-5.2-2025-12-11_xhighOpenAI	91.4%	xHigh 推論
34	claude-opus-4-8_maxAnthropic	91.0%	Max 推論
34	deepseek-v4-flash-0731_maxDeepSeek	91.0%	Max 推論
36	glm-5.3_maxZ.ai	90.9%	Max 推論

評価の限界とデータの出典

正式に採点する。同じ問題ファミリーは固定予算を共有する。

データライセンス：CC BY 4.0 · Epoch AI が独自に実施した評価データ

成績は Epoch AI が公表したもの。元のスコアと AIサイシンのコンセンサス指数は尺度が異なり、そのまま比較・合算はできない。