GPQA
AI 基准测试结果和模型表现
类型: percentageGeneral Knowledge
已记录的结果
230
平均分数
65.04%
分数范围
11.90% - 94.30%
领先模型
94.30% - Gemini 3.1 Pro Preview
分数变化趋势
按日期绘制的单项基准测试分数。
模型结果
| 组织 | 模型 | 报告时间 | 最高分数 | 信息 | 自行报告 | 来源 |
|---|---|---|---|---|---|---|
| Gemini 3.1 Pro Preview | 2026年2月19日 | 94.30% | GPQA Diamond subset | 是 | 来源 | |
| Gemini 3.1 Pro Preview Customtools | 2026年2月19日 | 94.30% | inferred alias of gemini-3.1-pro-preview | 是 | 来源 | |
| GPT 5 Pro | 2025年8月07日 | 92.80% | inferred family alias from gpt-5.4 (score=0.4083; benches=19) | 是 | 来源 | |
| GPT 5 Search API | 2025年10月14日 | 92.80% | inferred family alias from gpt-5.4 (score=0.3050; benches=19) | 是 | 来源 | |
| GPT 5.4 | 2026年3月05日 | 92.80% | - | 是 | 来源 | |
| GPT 5.2 Chat | 2025年12月11日 | 92.40% | inferred alias from gpt-5.2-2025-12-11 | 是 | 来源 | |
| 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 | 是 | 来源 | |
| Gemini 3 Pro Preview | 2025年11月18日 | 91.90% | GPQA Diamond subset | 是 | 来源 | |
| Claude Opus 4.6 | 2026年2月05日 | 91.30% | - | 是 | 来源 | |
| Gemini 3 Flash Preview | 2025年12月17日 | 90.40% | GPQA Diamond subset | 是 | 来源 | |
| Qwen 3.6 Plus | 2026年4月01日 | 90.40% | - | 是 | 来源 | |
| Claude Sonnet 4.6 | 2026年2月17日 | 89.90% | - | 是 | 来源 | |
| Seed 2.0 Pro | 2026年2月14日 | 88.90% | - | 是 | 来源 | |
| Qwen 3.5 397B A17B | 2026年2月16日 | 88.40% | - | 是 | 来源 | |
| Grok 4 Heavy | 2025年7月10日 | 88.40% | - | 是 | 来源 | |
| GPT 5.1 Chat | 2025年11月13日 | 88.10% | inferred alias from gpt-5.1-2025-11-13 | 是 | 来源 | |
| GPT 5.4 Mini | 2026年3月17日 | 88% | - | 是 | 来源 | |
| Kimi K2.5 | 2026年1月27日 | 87.60% | - | 是 | 来源 | |
| Grok 4 | 2025年7月10日 | 87.50% | - | 是 | 来源 | |
| 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 | 是 | 来源 | |
| Gemini 3.1 Flash-Lite | 2026年5月07日 | 86.90% | GPQA Diamond subset | 是 | 来源 | |
| Gemini 3.1 Flash Lite Preview | 2026年3月03日 | 86.90% | GPQA Diamond subset | 是 | 来源 | |
| Qwen 3.5 122B A10B | 2026年2月24日 | 86.60% | - | 是 | 来源 | |
| 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) | 是 | 来源 | |
| GLM 4.7 | 2025年12月22日 | 85.70% | - | 是 | 来源 |
