GPQA

Name: GPQA
Keywords: GPQA, AIベンチマーク, モデル評価, AIベンチマークランキング, AIモデルの性能

AIベンチマーク結果とモデルの性能

種類: percentageGeneral Knowledge

ベンチマークの出典を見る

記録された結果

230

平均スコア

65.04%

スコアの範囲

11.90% - 94.30%

最上位モデル

94.30% - Gemini 3.1 Pro Preview

スコアの推移

日付ごとの個別ベンチマークスコアです。

モデル結果

組織	モデル	報告日	最高スコア	情報	自己申告	出典
Google	Gemini 3.1 Pro Preview	2026年2月19日	94.30%	GPQA Diamond subset	はい	出典
Google	Gemini 3.1 Pro Preview Customtools	2026年2月19日	94.30%	inferred alias of gemini-3.1-pro-preview	はい	出典
OpenAI	GPT 5 Pro	2025年8月07日	92.80%	inferred family alias from gpt-5.4 (score=0.4083; benches=19)	はい	出典
OpenAI	GPT 5 Search API	2025年10月14日	92.80%	inferred family alias from gpt-5.4 (score=0.3050; benches=19)	はい	出典
OpenAI	GPT 5.4	2026年3月05日	92.80%	-	はい	出典
OpenAI	GPT 5.2 Chat	2025年12月11日	92.40%	inferred alias from gpt-5.2-2025-12-11	はい	出典
Google	Gemini 3 Pro Image Preview (Nano Banana Pro)	2025年11月20日	91.90%	inferred modality/version alias from gemini-3-pro-preview	はい	出典
Google	Gemini 3 Pro Preview	2025年11月18日	91.90%	GPQA Diamond subset	はい	出典
Anthropic	Claude Opus 4.6	2026年2月05日	91.30%	-	はい	出典
Google	Gemini 3 Flash Preview	2025年12月17日	90.40%	GPQA Diamond subset	はい	出典
Qwen	Qwen 3.6 Plus	2026年4月01日	90.40%	-	はい	出典
Anthropic	Claude Sonnet 4.6	2026年2月17日	89.90%	-	はい	出典
ByteDance	Seed 2.0 Pro	2026年2月14日	88.90%	-	はい	出典
Qwen	Qwen 3.5 397B A17B	2026年2月16日	88.40%	-	はい	出典
SpaceXAI	Grok 4 Heavy	2025年7月10日	88.40%	-	はい	出典
OpenAI	GPT 5.1 Chat	2025年11月13日	88.10%	inferred alias from gpt-5.1-2025-11-13	はい	出典
OpenAI	GPT 5.4 Mini	2026年3月17日	88%	-	はい	出典
Moonshot	Kimi K2.5	2026年1月27日	87.60%	-	はい	出典
SpaceXAI	Grok 4	2025年7月10日	87.50%	-	はい	出典
Google	Gemini 3.1 Flash Image Preview (Nano Banana 2)	2026年2月26日	86.90%	inferred modality/version alias from gemini-3.1-flash-lite-preview	はい	出典
Google	Gemini 3.1 Flash-Lite	2026年5月07日	86.90%	GPQA Diamond subset	はい	出典
Google	Gemini 3.1 Flash Lite Preview	2026年3月03日	86.90%	GPQA Diamond subset	はい	出典
Qwen	Qwen 3.5 122B A10B	2026年2月24日	86.60%	-	はい	出典
Google	Gemini 2.5 Pro Preview TTS (2025-05-20)	2025年5月20日	86.40%	inferred family alias from gemini-2.5-pro-preview-06-05 (score=0.4243; benches=13)	はい	出典
z.AI	GLM 4.7	2025年12月22日	85.70%	-	はい	出典

公開データの正確性にご協力ください