GPQA Diamond
نتائج معايير الذكاء الاصطناعي وأداء النماذج
النوع: percentageGeneral Knowledge
النتائج المسجلة
188
متوسط النقاط
67.90%
نطاق النقاط
19.20% - 96%
النموذج المتصدر
96% - GPT-6 Astra
النقاط بمرور الوقت
نقاط المعيار الفردية معروضة حسب التاريخ.
نتائج النماذج
| المؤسسة | النماذج | تاريخ الإبلاغ | أعلى نقطة | معلومات | مُبلَّغ عنها ذاتيًا | المصدر |
|---|---|---|---|---|---|---|
| GPT-6 Astra | ٠٣ سبتمبر ٢٠٢٦ | ٩٦٪ | GPT-6 Astra launch evaluation | نعم | المصدر | |
| Fugu | ٢٢ يونيو ٢٠٢٦ | ٩٥٫٥٠٪ | Sakana reports this benchmark as GPQA-D. | نعم | المصدر | |
| Fugu Ultra | ٢٢ يونيو ٢٠٢٦ | ٩٥٫٥٠٪ | Sakana reports this benchmark as GPQA-D. | نعم | المصدر | |
| Claude Mythos Preview | ٠٧ أبريل ٢٠٢٦ | ٩٤٫٦٠٪ | - | نعم | المصدر | |
| GPT 5.4 Pro | ٠٥ مارس ٢٠٢٦ | ٩٤٫٤٠٪ | - | نعم | المصدر | |
| GPT 5.5 Pro | ٢٣ أبريل ٢٠٢٦ | ٩٤٫٤٠٪ | - | نعم | المصدر | |
| Gemini 3.1 Pro Preview | ١٩ فبراير ٢٠٢٦ | ٩٤٫٣٠٪ | No Tools | نعم | - | |
| Claude Opus 4.7 | ١٦ أبريل ٢٠٢٦ | ٩٤٫٢٠٪ | - | نعم | المصدر | |
| Gemini 3 Pro Preview | ١٨ نوفمبر ٢٠٢٥ | ٩٣٫٨٠٪ | Deep Think, Tools Off | نعم | المصدر | |
| Claude Opus 4.8 | ٢٨ مايو ٢٠٢٦ | ٩٣٫٦٠٪ | Max effort | نعم | المصدر | |
| GPT 5.5 | ٢٣ أبريل ٢٠٢٦ | ٩٣٫٦٠٪ | - | نعم | المصدر | |
| Kimi K3 | ١٦ يوليو ٢٠٢٦ | ٩٣٫٥٠٪ | - | نعم | المصدر | |
| GPT 5.2 Pro | ١١ ديسمبر ٢٠٢٥ | ٩٣٫٢٠٪ | No Tools | نعم | المصدر | |
| GPT 5.4 | ٠٥ مارس ٢٠٢٦ | ٩٢٫٨٠٪ | - | نعم | المصدر | |
| GPT 5.2 | ١١ ديسمبر ٢٠٢٥ | ٩٢٫٤٠٪ | No Tools | نعم | المصدر | |
| Qwen 3.7 Max | ٢١ مايو ٢٠٢٦ | ٩٢٫٤٠٪ | - | نعم | المصدر | |
| Claude Opus 4.6 | ٠٥ فبراير ٢٠٢٦ | ٩١٫٣٠٪ | - | نعم | المصدر | |
| Grok 4.20 | ١٧ فبراير ٢٠٢٦ | ٩١٫١٠٪ | Artificial Analysis structured model metrics | لا | المصدر | |
| DeepSeek V4.1 Flash | ١٠ سبتمبر ٢٠٢٦ | ٩٠٫٩٠٪ | Instruct model; reasoning_effort=100; Pass@1 | نعم | المصدر | |
| Beam | ٠٥ أكتوبر ٢٠٢٦ | ٩٠٫٥٠٪ | Reflection-reported launch score. Source row: GPQA Diamond. Accessed 2026-10-05T22:51:12.456Z. Harness, reasoning effort, sampling and trial count are not specified per row. Not independently reproduced. | نعم | المصدر | |
| DeepSeek V4 Pro | ٢٤ أبريل ٢٠٢٦ | ٩٠٫١٠٪ | Pass@1; DeepSeek-V4-Pro Max | نعم | المصدر | |
| Claude Sonnet 4.6 | ١٧ فبراير ٢٠٢٦ | ٨٩٫٩٠٪ | - | نعم | المصدر | |
| Muse Spark | ٠٨ أبريل ٢٠٢٦ | ٨٩٫٥٠٪ | - | نعم | المصدر | |
| Qwen 3.8 27B | ١٤ أغسطس ٢٠٢٦ | ٨٩٫٢٠٪ | - | نعم | المصدر | |
| Seed 2.0 Pro | ١٤ فبراير ٢٠٢٦ | ٨٨٫٩٠٪ | Seed2 official benchmark table | GPQA Diamond | نعم | المصدر |
