GPQA
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentageGeneral Knowledge
दर्ज परिणाम
230
औसत स्कोर
65.04%
स्कोर सीमा
11.90% - 94.30%
अग्रणी मॉडल
94.30% - Gemini 3.1 Pro Preview
समय के साथ स्कोर
तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।
मॉडल परिणाम
| संगठन | मॉडल | रिपोर्ट किया गया | सबसे ऊँचा स्कोर | जानकारी | स्व-रिपोर्ट किया गया | स्रोत |
|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 19 फ़र॰ 2026 | 94.30% | GPQA Diamond subset | हाँ | स्रोत | |
| Gemini 3.1 Pro Preview Customtools | 19 फ़र॰ 2026 | 94.30% | inferred alias of gemini-3.1-pro-preview | हाँ | स्रोत | |
| GPT 5 Pro | 07 अग॰ 2025 | 92.80% | inferred family alias from gpt-5.4 (score=0.4083; benches=19) | हाँ | स्रोत | |
| GPT 5 Search API | 14 अक्टू॰ 2025 | 92.80% | inferred family alias from gpt-5.4 (score=0.3050; benches=19) | हाँ | स्रोत | |
| GPT 5.4 | 05 मार्च 2026 | 92.80% | - | हाँ | स्रोत | |
| GPT 5.2 Chat | 11 दिस॰ 2025 | 92.40% | inferred alias from gpt-5.2-2025-12-11 | हाँ | स्रोत | |
| Gemini 3 Pro Image Preview (Nano Banana Pro) | 20 नव॰ 2025 | 91.90% | inferred modality/version alias from gemini-3-pro-preview | हाँ | स्रोत | |
| Gemini 3 Pro Preview | 18 नव॰ 2025 | 91.90% | GPQA Diamond subset | हाँ | स्रोत | |
| Claude Opus 4.6 | 05 फ़र॰ 2026 | 91.30% | - | हाँ | स्रोत | |
| Gemini 3 Flash Preview | 17 दिस॰ 2025 | 90.40% | GPQA Diamond subset | हाँ | स्रोत | |
| Qwen 3.6 Plus | 01 अप्रैल 2026 | 90.40% | - | हाँ | स्रोत | |
| Claude Sonnet 4.6 | 17 फ़र॰ 2026 | 89.90% | - | हाँ | स्रोत | |
| Seed 2.0 Pro | 14 फ़र॰ 2026 | 88.90% | - | हाँ | स्रोत | |
| Qwen 3.5 397B A17B | 16 फ़र॰ 2026 | 88.40% | - | हाँ | स्रोत | |
| Grok 4 Heavy | 10 जुल॰ 2025 | 88.40% | - | हाँ | स्रोत | |
| GPT 5.1 Chat | 13 नव॰ 2025 | 88.10% | inferred alias from gpt-5.1-2025-11-13 | हाँ | स्रोत | |
| GPT 5.4 Mini | 17 मार्च 2026 | 88% | - | हाँ | स्रोत | |
| Kimi K2.5 | 27 जन॰ 2026 | 87.60% | - | हाँ | स्रोत | |
| Grok 4 | 10 जुल॰ 2025 | 87.50% | - | हाँ | स्रोत | |
| Gemini 3.1 Flash Image Preview (Nano Banana 2) | 26 फ़र॰ 2026 | 86.90% | inferred modality/version alias from gemini-3.1-flash-lite-preview | हाँ | स्रोत | |
| Gemini 3.1 Flash-Lite | 07 मई 2026 | 86.90% | GPQA Diamond subset | हाँ | स्रोत | |
| Gemini 3.1 Flash Lite Preview | 03 मार्च 2026 | 86.90% | GPQA Diamond subset | हाँ | स्रोत | |
| Qwen 3.5 122B A10B | 24 फ़र॰ 2026 | 86.60% | - | हाँ | स्रोत | |
| Gemini 2.5 Pro Preview TTS (2025-05-20) | 20 मई 2025 | 86.40% | inferred family alias from gemini-2.5-pro-preview-06-05 (score=0.4243; benches=13) | हाँ | स्रोत | |
| GLM 4.7 | 22 दिस॰ 2025 | 85.70% | - | हाँ | स्रोत |
