跳过主要内容
评测来源/GPQA Diamond
观察中推理

GPQA Diamond

Scale · GPQA Diamond 的公开模型评测结果。

官方评测
来源说明

该来源测量模型在「推理」领域的具体交付表现，原始成绩会和统一能力读数分开展示。

限制: 不同版本、推理设置和测试集可能导致分数变化，请结合数据时间阅读。

使用方式

参与排名的来源会影响能力分；参考、交叉参考和观察来源仅用于对比与核验。

本来源的模型成绩

Fugu95.595.52026-08-05
Fugu Ultra95.595.52026-08-05
GPT-5.6 Sol94.694.62026-07-09
GPT-5.4 Pro94.494.42026-04-23
Gemini 3.1 Pro Preview94.394.32026-04-23
Claude Opus 4.794.294.22026-04-23
GPT-5.593.693.62026-04-23
GPT-5.6 Terra92.992.92026-07-09
GPT-5.492.892.82026-04-23
Qwen3.7 Max92.492.42026-05-19
GPT-5.6 Luna92.392.32026-07-09
LongCat-2.088.988.92026-06-30
MiMo-V2.5-Pro86.686.62026-04-22
MAI-Code-1-Flash84.684.62026-08-05

常见问题