GPQA
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentageGeneral Knowledge
Resultados registrados
230
Puntuación media
65.04%
Rango de puntuaciones
11.90% - 94.30%
Modelo líder
94.30% - Gemini 3.1 Pro Preview
Puntuaciones a lo largo del tiempo
Puntuaciones individuales de la evaluación a lo largo del tiempo.
Resultados de modelos
| Organización | Modelos | Fecha del resultado | Mejor puntuación | Información | Autodeclarado | Fuente |
|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 19 feb 2026 | 94,30 % | GPQA Diamond subset | Sí | Fuente | |
| Gemini 3.1 Pro Preview Customtools | 19 feb 2026 | 94,30 % | inferred alias of gemini-3.1-pro-preview | Sí | Fuente | |
| GPT 5 Pro | 07 ago 2025 | 92,80 % | inferred family alias from gpt-5.4 (score=0.4083; benches=19) | Sí | Fuente | |
| GPT 5 Search API | 14 oct 2025 | 92,80 % | inferred family alias from gpt-5.4 (score=0.3050; benches=19) | Sí | Fuente | |
| GPT 5.4 | 05 mar 2026 | 92,80 % | - | Sí | Fuente | |
| GPT 5.2 Chat | 11 dic 2025 | 92,40 % | inferred alias from gpt-5.2-2025-12-11 | Sí | Fuente | |
| Gemini 3 Pro Image Preview (Nano Banana Pro) | 20 nov 2025 | 91,90 % | inferred modality/version alias from gemini-3-pro-preview | Sí | Fuente | |
| Gemini 3 Pro Preview | 18 nov 2025 | 91,90 % | GPQA Diamond subset | Sí | Fuente | |
| Claude Opus 4.6 | 05 feb 2026 | 91,30 % | - | Sí | Fuente | |
| Gemini 3 Flash Preview | 17 dic 2025 | 90,40 % | GPQA Diamond subset | Sí | Fuente | |
| Qwen 3.6 Plus | 01 abr 2026 | 90,40 % | - | Sí | Fuente | |
| Claude Sonnet 4.6 | 17 feb 2026 | 89,90 % | - | Sí | Fuente | |
| Seed 2.0 Pro | 14 feb 2026 | 88,90 % | - | Sí | Fuente | |
| Qwen 3.5 397B A17B | 16 feb 2026 | 88,40 % | - | Sí | Fuente | |
| Grok 4 Heavy | 10 jul 2025 | 88,40 % | - | Sí | Fuente | |
| GPT 5.1 Chat | 13 nov 2025 | 88,10 % | inferred alias from gpt-5.1-2025-11-13 | Sí | Fuente | |
| GPT 5.4 Mini | 17 mar 2026 | 88 % | - | Sí | Fuente | |
| Kimi K2.5 | 27 ene 2026 | 87,60 % | - | Sí | Fuente | |
| Grok 4 | 10 jul 2025 | 87,50 % | - | Sí | Fuente | |
| Gemini 3.1 Flash Image Preview (Nano Banana 2) | 26 feb 2026 | 86,90 % | inferred modality/version alias from gemini-3.1-flash-lite-preview | Sí | Fuente | |
| Gemini 3.1 Flash-Lite | 07 may 2026 | 86,90 % | GPQA Diamond subset | Sí | Fuente | |
| Gemini 3.1 Flash Lite Preview | 03 mar 2026 | 86,90 % | GPQA Diamond subset | Sí | Fuente | |
| Qwen 3.5 122B A10B | 24 feb 2026 | 86,60 % | - | Sí | Fuente | |
| Gemini 2.5 Pro Preview TTS (2025-05-20) | 20 may 2025 | 86,40 % | inferred family alias from gemini-2.5-pro-preview-06-05 (score=0.4243; benches=13) | Sí | Fuente | |
| GLM 4.7 | 22 dic 2025 | 85,70 % | - | Sí | Fuente |
