AIFIND / MODEL INTELLIGENCE
GPQA Diamond
GPQA Diamond · Epoch AI
大学院水準の物理、化学、生物学。
何を測るか
Epoch の mean_score と推論設定、標準誤差を保持します。
ランキングでの扱い
単一モデルの評価条件を確認した測定のみが、固定された分野・タスク群の重みで集計対象になります。有効な重みは各公開集計に保存します。
比較の限界
198 問の科学知識は世界知識の全体を代表しません。
出典・利用条件
CC BY 4.0 · Epoch AI の公式評価データ。帰属と出典リンク、集約による変更を表示します。
Epoch AI による成績です。元の点数は尺度が異なるため単純加算せず、固定の基準尺度で比較します。
最終取得確認 2026/10/04 20:00 JST · 最後の成功 2026/10/04 20:00 JST。リアルタイムの成績ではありません。
元の評価結果
出典公開 2026/09/30 JST · 取得確認 2026/10/04 20:00 JST
固定規則でモデルごとの代表設定を選択します。不採用の理由と元の順位を保持し、最大 30 モデルを表示。匿名モデルは除外します。
| 元の順位 | モデル・設定 | 元のスコア | 採否 |
|---|---|---|---|
| 1 | gpt-6-astra_maxMax 推論 | 95.8% | 採用可能 |
| 2 | claude-sonnet-5-5_maxMax 推論 | 95.6% | 採用可能 |
| 3 | gpt-6.1-sol_maxMax 推論 | 95.4% | 採用可能 |
| 3 | gemini-3.8-flash_highHigh 推論 | 95.4% | 採用可能 |
| 5 | gemini-3.7-flash_highHigh 推論 | 94.8% | 採用可能 |
| 6 | gpt-5.4-pro-2026-03-05_xhighxHigh 推論 | 94.6% | 採用可能 |
| 7 | gemini-3.1-pro-preview_highHigh 推論 | 94.4% | 採用可能 |
| 8 | gpt-6-sol_maxMax 推論 | 94.3% | 採用可能 |
| 9 | gemini-3.6-flash_highHigh 推論 | 94.1% | 採用可能 |
| 11 | gpt-5.5-pre-release_xhighxHigh 推論 | 94.0% | 公開前の版と明示されており、利用可能な正式モデルを代表しません。 |
| 13 | gpt-5.5-pro-pre-release_xhighxHigh 推論 | 93.9% | 公開前の版と明示されており、利用可能な正式モデルを代表しません。 |
| 14 | claude-opus-5_maxMax 推論 | 93.9% | 採用可能 |
| 15 | gpt-5.6-sol_maxMax 推論 | 93.5% | 採用可能 |
| 16 | grok-4.5_highHigh 推論 | 93.4% | 採用可能 |
| 17 | gpt-5.6-terra_maxMax 推論 | 93.3% | 採用可能 |
| 18 | gpt-5.4-2026-03-05_xhighxHigh 推論 | 93.3% | 採用可能 |
| 19 | grok-4.6_xhighxHigh 推論 | 93.2% | 採用可能 |
| 20 | kimi-k3_maxMax 推論 | 93.1% | 採用可能 |
| 22 | gemini-3.5-flash_highHigh 推論 | 92.8% | 採用可能 |
| 23 | grok-4.7_xhighxHigh 推論 | 92.7% | 採用可能 |
| 24 | qwen3.8-max_xhighxHigh 推論 | 92.7% | 採用可能 |
| 25 | gemini-3-pro-preview出典の既定設定 | 92.6% | 採用可能 |
| 26 | qwen3.8-max-0902_xhighxHigh 推論 | 92.3% | 採用可能 |
| 28 | glm-5.2_maxMax 推論 | 91.9% | 採用可能 |
| 29 | deepseek-v4-pro-0813_maxMax 推論 | 91.7% | 採用可能 |
| 30 | gpt-5.6-luna_maxMax 推論 | 91.6% | 採用可能 |
| 31 | gpt-5.2-2025-12-11_xhighxHigh 推論 | 91.4% | 採用可能 |
| 32 | claude-opus-4-8_maxMax 推論 | 91.0% | 採用可能 |
| 32 | deepseek-v4-flash-0731_maxMax 推論 | 91.0% | 採用可能 |
| 34 | MiniMax-M3出典の既定設定 | 90.9% | 採用可能 |