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

Karu News での扱い順位に反映

証拠の予算2%

元データの時刻9/30（水） 07:00

直近の同期10/7（水） 08:05

何を、どう測るか

Epoch が自ら回し直した mean_score だけを使い、推論段階と標準誤差を残します。198 問の科学知識の問題には推論が必要ですが、世界の知識のすべてを代表するものではありません。

正式に採点します。同じ問題ファミリーは固定の予算を共有します。

固定のルールで、公開モデルごとに代表となる構成を 1 つ採用しています。匿名のテスト用モデルは表示せず、元のランキングの順位を保ち、1 項目につき最大 30 件です。

元の順位	元の型番	元の成績	代表の設定
1	gpt-6-astra_maxOpenAI	95.8%	Max 推論
2	claude-sonnet-5-5_maxanthropic	95.6%	Max 推論
3	gpt-6.1-sol_maxopenai	95.4%	Max 推論
3	gemini-3.8-flash_highGoogle	95.4%	High 推論
5	gemini-3.7-flash_highGoogle	94.8%	High 推論
6	gpt-5.4-pro-2026-03-05_xhighOpenAI	94.6%	xHigh 推論
7	gemini-3.1-pro-preview_highGoogle	94.4%	High 推論
8	gpt-6-sol_maxOpenAI	94.3%	Max 推論
9	gemini-3.6-flash_highGoogle	94.1%	High 推論
14	claude-opus-5_maxAnthropic	93.9%	Max 推論
15	gpt-5.6-sol_maxOpenAI	93.5%	Max 推論
16	grok-4.5_highxAI	93.4%	High 推論
17	gpt-5.6-terra_maxOpenAI	93.3%	Max 推論
18	gpt-5.4-2026-03-05_xhighOpenAI	93.3%	xHigh 推論
19	grok-4.6_xhighxAI	93.2%	xHigh 推論
20	kimi-k3_maxMoonshot AI	93.1%	Max 推論
22	gemini-3.5-flash_highGoogle	92.8%	High 推論
23	grok-4.7_xhighxAI	92.7%	xHigh 推論
24	qwen3.8-max_xhighAlibaba	92.7%	xHigh 推論
25	gemini-3-pro-previewGoogle	92.6%	出典のデフォルト構成
26	qwen3.8-max-0902_xhighAlibaba	92.3%	xHigh 推論
28	glm-5.2_maxZ.ai	91.9%	Max 推論
29	deepseek-v4-pro-0813_maxDeepSeek	91.7%	Max 推論
30	gpt-5.6-luna_maxOpenAI	91.6%	Max 推論
31	gpt-5.2-2025-12-11_xhighOpenAI	91.4%	xHigh 推論
32	claude-opus-4-8_maxAnthropic	91.0%	Max 推論
32	deepseek-v4-flash-0731_maxDeepSeek	91.0%	Max 推論
34	MiniMax-M3MiniMax	90.9%	出典のデフォルト構成
34	qwen3.7-maxAlibaba	90.9%	出典のデフォルト構成
34	glm-5.3_maxZ.ai	90.9%	Max 推論

評価の限界と、データの帰属

正式に採点します。同じ問題ファミリーは固定の予算を共有します。

データのライセンス：CC BY 4.0 · Epoch AI が自ら評価したデータです。

成績は Epoch AI が公表したものです。元のスコアと Karu News の総合スコアは尺度が異なるため、足し合わせられません。