GPQA Diamond
GPQA 198 题专家子集；各模型方报告的重复次数与推理档位不同，小分差不宜直接排名。
收录成绩1515 个模型或系统
当前第一94.6Claude Mythos Preview
指标Pass@1 准确率GPQA Diamond 的 pass@1 准确率（%）
最近同步10-19 16:107 个数据源 · 专家级科学推理
排名表
显示 15 / 15
| 模型 | 机构 | 参数 | 开源 | 评测设置 | 来源 | 备注 | |||
|---|---|---|---|---|---|---|---|---|---|
| 1 | Claude Mythos Preview | Anthropic | — | — | 94.6 | — | 模型方自报 | 2026-10-19 | 定位：Claude Opus 4.7 System Card，Section 8 capabilities，GPQA Diamond；来源发布日期：2026-04-16；pass@1；官方比较表未披露该项重复次数、工具状态或推理档位。 |
| 1 | GPT-5.6 Sol | OpenAI | — | — | 94.6 | — | 模型方自报 | 2026-10-19 | 定位：Academic 表，GPQA Diamond 行，GPT-5.6 Sol 列；来源发布日期：2026-07-09；GPQA Diamond pass@1；官方页未披露重复次数、工具状态或推理档位。 |
| 3 | GPT-5.4 Pro（xhigh） | OpenAI | — | — | 94.4 | — | 模型方自报 | 2026-10-19 | 定位：Academic 表，GPQA Diamond 行，GPT-5.4 Pro 列；来源发布日期：2026-03-05；pass@1；xhigh reasoning；研究环境；官方页未披露重复次数和工具状态。 |
| 4 | Gemini 3.1 Pro | — | — | 94.3 | — | 论文报告 | 2026-10-19 | 定位：Claude Opus 4.7 System Card，Table 8.1.A，GPQA Diamond 行；来源发布日期：2026-04-16；转引自 Claude Opus 4.7 System Card Table 8.1.A；表称竞品数字取自开发者公开材料，未列重复次数、工具状态或推理档位。 | |
| 5 | Claude Opus 4.7 | Anthropic | — | — | 94.2 | — | 模型方自报 | 2026-10-19 | 定位：Claude Opus 4.7 System Card，Section 8 capabilities，GPQA Diamond；来源发布日期：2026-04-16；pass@1；198 题；adaptive thinking、max effort、默认 sampling；10 次运行平均。 |
| 6 | Claude Mythos 5 | Anthropic | — | — | 94.1 | — | 模型方自报 | 2026-10-19 | 定位：Claude Fable 5 & Claude Mythos 5 System Card，capabilities，GPQA Diamond；来源发布日期：2026-06-09；pass@1；198 题；adaptive thinking、max effort、默认 sampling；5 次运行平均；未披露工具状态。 |
| 7 | Gemini 3 Deep Think | — | — | 93.8 | — | 模型方自报 | 2026-10-19 | 定位：Gemini 3 Deep Think 小节，GPQA Diamond；来源发布日期：2025-11-18；pass@1；Deep Think 并行推理模式；页面未披露重复次数、工具状态或采样参数。 | |
| 8 | Claude Opus 4.8 | Anthropic | — | — | 93.6 | — | 模型方自报 | 2026-10-19 | 定位：Claude Opus 4.8 System Card，Section 8.6，GPQA Diamond；来源发布日期：2026-05-28；pass@1；adaptive thinking、max effort、默认 sampling；25 次运行平均。 |
| 8 | GPT-5.5 | OpenAI | — | — | 93.6 | — | 模型方自报 | 2026-10-19 | 定位：Academic 表，GPQA Diamond 行，GPT-5.5 列；来源发布日期：2026-07-09；pass@1；官方页未披露重复次数、工具状态或推理档位。 |
| 10 | GPT-5.2 Pro（maximum reasoning） | OpenAI | — | — | 93.2 | — | 模型方自报 | 2026-10-19 | 定位：Academic 表，GPQA Diamond (no tools)，GPT-5.2 Pro 列；来源发布日期：2025-12-11；pass@1；无工具；maximum reasoning；研究环境；官方页未披露重复次数。 |
| 11 | GPT-5.6 Terra | OpenAI | — | — | 92.9 | — | 模型方自报 | 2026-10-19 | 定位：Academic 表，GPQA Diamond 行，GPT-5.6 Terra 列；来源发布日期：2026-07-09；pass@1；官方页未披露重复次数、工具状态或推理档位。 |
| 12 | GPT-5.4（xhigh） | OpenAI | — | — | 92.8 | — | 模型方自报 | 2026-10-19 | 定位：Academic 表，GPQA Diamond 行，GPT-5.4 列；来源发布日期：2026-03-05；pass@1；xhigh reasoning；研究环境；官方页未披露重复次数和工具状态。 |
| 13 | GPT-5.2 Thinking（maximum reasoning） | OpenAI | — | — | 92.4 | — | 模型方自报 | 2026-10-19 | 定位：Academic 表，GPQA Diamond (no tools)，GPT-5.2 Thinking 列；来源发布日期：2025-12-11；pass@1；无工具；maximum reasoning；研究环境；官方页未披露重复次数。 |
| 14 | GPT-5.6 Luna | OpenAI | — | — | 92.3 | — | 模型方自报 | 2026-10-19 | 定位：Academic 表，GPQA Diamond 行，GPT-5.6 Luna 列；来源发布日期：2026-07-09；pass@1；官方页未披露重复次数、工具状态或推理档位。 |
| 15 | Gemini 3 Pro | — | — | 91.9 | — | 模型方自报 | 2026-10-19 | 定位：State-of-the-art reasoning 小节，GPQA Diamond；来源发布日期：2025-11-18；pass@1；Google 官方博客未披露重复次数、工具状态、推理档位或采样参数。 |
榜单说明
第 3 批接入- 指标
- Pass@1 准确率：GPQA Diamond 的 pass@1 准确率（%）（越高越好）
- 数据源
- OpenAI GPT-5.6 官方发布（在新窗口打开）（技术报告或模型卡）
- Claude Opus 4.7 System Card（在新窗口打开）（技术报告或模型卡）
- Claude Fable 5 与 Mythos 5 System Card（在新窗口打开）（技术报告或模型卡）
- Claude Opus 4.8 System Card（在新窗口打开）（技术报告或模型卡）
- OpenAI GPT-5.2 官方发布（在新窗口打开）（技术报告或模型卡）
- OpenAI GPT-5.4 官方发布（在新窗口打开）（技术报告或模型卡）
- Google Gemini 3 官方发布（在新窗口打开）（技术报告或模型卡）
- 来源类型
- 论文报告 1模型方自报 14
分数取自数据源原文；同一模型在不同评测设置或不同来源下分别列出，来源冲突时全部保留并标注来源类型。
更新记录
0 条首次同步作为基线，之后新上榜、分数变化和移除的条目会记录在这里。