GPQA Diamond

Name: GPQA Diamond
Keywords: GPQA Diamond, 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

188

平均スコア

67.90%

スコアの範囲

19.20% - 96%

最上位モデル

96% - GPT-6 Astra

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
OpenAI	GPT-6 Astra	2026年9月03日	96%	GPT-6 Astra launch evaluation	はい	出典
Sakana AI	Fugu	2026年6月22日	95.50%	Sakana reports this benchmark as GPQA-D.	はい	出典
Sakana AI	Fugu Ultra	2026年6月22日	95.50%	Sakana reports this benchmark as GPQA-D.	はい	出典
Anthropic	Claude Mythos Preview	2026年4月07日	94.60%	-	はい	出典
OpenAI	GPT 5.4 Pro	2026年3月05日	94.40%	-	はい	出典
OpenAI	GPT 5.5 Pro	2026年4月23日	94.40%	-	はい	出典
Google	Gemini 3.1 Pro Preview	2026年2月19日	94.30%	No Tools	はい	-
Anthropic	Claude Opus 4.7	2026年4月16日	94.20%	-	はい	出典
Google	Gemini 3 Pro Preview	2025年11月18日	93.80%	Deep Think, Tools Off	はい	出典
Anthropic	Claude Opus 4.8	2026年5月28日	93.60%	Max effort	はい	出典
OpenAI	GPT 5.5	2026年4月23日	93.60%	-	はい	出典
Moonshot	Kimi K3	2026年7月16日	93.50%	-	はい	出典
OpenAI	GPT 5.2 Pro	2025年12月11日	93.20%	No Tools	はい	出典
OpenAI	GPT 5.4	2026年3月05日	92.80%	-	はい	出典
OpenAI	GPT 5.2	2025年12月11日	92.40%	No Tools	はい	出典
Qwen	Qwen 3.7 Max	2026年5月21日	92.40%	-	はい	出典
Anthropic	Claude Opus 4.6	2026年2月05日	91.30%	-	はい	出典
SpaceXAI	Grok 4.20	2026年2月17日	91.10%	Artificial Analysis structured model metrics	いいえ	出典
DeepSeek	DeepSeek V4.1 Flash	2026年9月10日	90.90%	Instruct model; reasoning_effort=100; Pass@1	はい	出典
Reflection	Beam	2026年10月05日	90.50%	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.	はい	出典
DeepSeek	DeepSeek V4 Pro	2026年4月24日	90.10%	Pass@1; DeepSeek-V4-Pro Max	はい	出典
Anthropic	Claude Sonnet 4.6	2026年2月17日	89.90%	-	はい	出典
Meta	Muse Spark	2026年4月08日	89.50%	-	はい	出典
Qwen	Qwen 3.8 27B	2026年8月14日	89.20%	-	はい	出典
ByteDance	Seed 2.0 Pro	2026年2月14日	88.90%	Seed2 official benchmark table \| GPQA Diamond	はい	出典

公開データの正確性にご協力ください