PhaseoPhaseo
मॉडलचैटतुलना करेंऐप्सरैंकिंग

सार्वजनिक डेटा को सही रखने में मदद करें

कुछ गायब, गलत या पुराना दिख रहा है? इस पेज के बारे में हमें बताएँ।

PhaseoPhaseo
स्थिति जांची जा रही हैस्थिति जांची जा रही हैस्थिति पृष्ठ पर जाएँ
घटक-स्तरीय स्थिति उपलब्ध नहीं है।

खोजें

  • मॉडल
  • चैट
  • प्रदाता
  • ऐप्स
  • रैंकिंग
  • टूल

संसाधन

  • तुलना करें
  • माइग्रेशन गाइड
  • कार्यप्रणाली
  • ब्लॉग

समुदाय

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

बनाएँ

  • दस्तावेज़
  • API संदर्भ
  • त्वरित शुरुआत
  • SDKs

कंपनी

  • हमारे बारे में
  • विश्वास केंद्र
  • मिशन
  • मूल्य निर्धारण
  • इसके साथ काम करता है
  • आभार
  • सहायता
  • गोपनीयता
  • शर्तें

खोजें

  • मॉडल
  • चैट
  • प्रदाता
  • ऐप्स
  • रैंकिंग
  • टूल

बनाएँ

  • दस्तावेज़
  • API संदर्भ
  • त्वरित शुरुआत
  • SDKs

संसाधन

  • तुलना करें
  • माइग्रेशन गाइड
  • कार्यप्रणाली
  • ब्लॉग

कंपनी

  • हमारे बारे में
  • विश्वास केंद्र
  • मिशन
  • मूल्य निर्धारण
  • इसके साथ काम करता है
  • आभार
  • सहायता
  • गोपनीयता
  • शर्तें

समुदाय

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

© 2025 • Phaseo

भाषा बदलें: हिन्दी
  • English (UK)
  • 简体中文
  • हिन्दी
  • Español (España)
  • Français (France)
  • Deutsch (Deutschland)
  • Português (Brasil)
  • 日本語
  • العربية

सहायता:समस्या·सहायता

Phaseo के लिए सहायता चाहिए?समस्या दर्ज करेंयासहायता से संपर्क करें

GPQA Diamond

GPQA Diamond

AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन

प्रकार: percentageGeneral Knowledge
बेंचमार्क का स्रोत देखें

दर्ज परिणाम

188

औसत स्कोर

67.90%

स्कोर सीमा

19.20% - 96%

अग्रणी मॉडल

96% - GPT-6 Astra
समय के साथ स्कोर

तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।

मॉडल परिणाम

संगठनमॉडलरिपोर्ट किया गयासबसे ऊँचा स्कोरजानकारीस्व-रिपोर्ट किया गयास्रोत
OpenAIOpenAI
OpenAI
GPT-6 Astra03 सित॰ 202696%GPT-6 Astra launch evaluationहाँस्रोत
Sakana AI
Sakana AI
Fugu22 जून 202695.50%Sakana reports this benchmark as GPQA-D.हाँस्रोत
Sakana AI
Sakana AI
Fugu Ultra22 जून 202695.50%Sakana reports this benchmark as GPQA-D.हाँस्रोत
AnthropicAnthropic
Anthropic
Claude Mythos Preview07 अप्रैल 202694.60%-हाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.4 Pro05 मार्च 202694.40%-हाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.5 Pro23 अप्रैल 202694.40%-हाँस्रोत
Google
Google
Gemini 3.1 Pro Preview19 फ़र॰ 202694.30%No Toolsहाँ-
AnthropicAnthropic
Anthropic
Claude Opus 4.716 अप्रैल 202694.20%-हाँस्रोत
Google
Google
Gemini 3 Pro Preview18 नव॰ 202593.80%Deep Think, Tools Offहाँस्रोत
AnthropicAnthropic
Anthropic
Claude Opus 4.828 मई 202693.60%Max effortहाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.523 अप्रैल 202693.60%-हाँस्रोत
MoonshotMoonshot
Moonshot
Kimi K316 जुल॰ 202693.50%-हाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.2 Pro11 दिस॰ 202593.20%No Toolsहाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.405 मार्च 202692.80%-हाँस्रोत
OpenAIOpenAI
OpenAI
GPT 5.211 दिस॰ 202592.40%No Toolsहाँस्रोत
Qwen
Qwen
Qwen 3.7 Max21 मई 202692.40%-हाँस्रोत
AnthropicAnthropic
Anthropic
Claude Opus 4.605 फ़र॰ 202691.30%-हाँस्रोत
SpaceXAISpaceXAI
SpaceXAI
Grok 4.2017 फ़र॰ 202691.10%Artificial Analysis structured model metricsनहींस्रोत
DeepSeek
DeepSeek
DeepSeek V4.1 Flash10 सित॰ 202690.90%Instruct model; reasoning_effort=100; Pass@1हाँस्रोत
ReflectionReflection
Reflection
Beam05 अक्टू॰ 202690.50%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.हाँस्रोत
DeepSeek
DeepSeek
DeepSeek V4 Pro24 अप्रैल 202690.10%Pass@1; DeepSeek-V4-Pro Maxहाँस्रोत
AnthropicAnthropic
Anthropic
Claude Sonnet 4.617 फ़र॰ 202689.90%-हाँस्रोत
Meta
Meta
Muse Spark08 अप्रैल 202689.50%-हाँस्रोत
Qwen
Qwen
Qwen 3.8 27B14 अग॰ 202689.20%-हाँस्रोत
ByteDance
ByteDance
Seed 2.0 Pro14 फ़र॰ 202688.90%Seed2 official benchmark table | GPQA Diamondहाँस्रोत
समस्या की रिपोर्ट करें
साइन अप करें