GPQA 评测基准详情

研究生级别的 **Google 防查找问答基准测试**（即Graduate-Level Google-Proof Q&A Benchmark，简称 GPQA）是大型语言模型（LLM）面临的最具挑战性的评估之一。GPQA 旨在推动人工智能能力的极限，提供一个严格的测试平台，不仅评估模型的事实记忆能力，还考察其在专业科学领域的深度推理和理解能力。本篇博文将客观介绍 GPQA，涵盖它的起源、目的、组成部分，以及领先的大型语言模型在这个高要求基准测试中的表现。

A Graduate-Level Google-Proof Q&A Benchmark

一个可以防止使用谷歌作弊的研究生级别难度的大模型评测基准

问题数量 448
发布机构 CohereAI
评测类别 知识问答
评测指标 Accuracy
支持语言 英文
难度等级 高难度

GPQA 大模型得分排行榜

数据来源：DataLearnerAI

排名
模型
得分
发布时间
参数(亿)
1
DeepSeek-AI Logo
DeepSeek-V3-0324
68.4
2025-03-24
6810.0
GPQA得分 68.4
发布时间 2025-03-24
参数(亿) 6810.0
查看模型详情
2
华为 Logo
Pangu Embedded
68.0
2025-06-30
70.0
GPQA得分 68.0
发布时间 2025-06-30
参数(亿) 70.0
查看模型详情
3
阿里巴巴 Logo
Qwen3-8B
62.0
2025-04-28
80.0
GPQA得分 62.0
发布时间 2025-04-28
参数(亿) 80.0
查看模型详情
4
DeepSeek-AI Logo
DeepSeek-V3
59.1
2024-12-26
6810.0
GPQA得分 59.1
发布时间 2024-12-26
参数(亿) 6810.0
查看模型详情
5
智谱AI Logo
GLM-4-9B-Chat
58.5
2024-06-05
90.0
GPQA得分 58.5
发布时间 2024-06-05
参数(亿) 90.0
查看模型详情
6
腾讯AI实验室 Logo
Hunyuan-A13B-Instruct
49.12
2025-06-27
800.0
GPQA得分 49.12
发布时间 2025-06-27
参数(亿) 800.0
查看模型详情
7
MistralAI Logo
Mistral-Small-3.1-24B-Instruct-2503
44.42
2025-03-17
240.0
GPQA得分 44.42
发布时间 2025-03-17
参数(亿) 240.0
查看模型详情
8
MistralAI Logo
Mistral-Small-3.2
44.22
2025-06-20
240.0
GPQA得分 44.22
发布时间 2025-06-20
参数(亿) 240.0
查看模型详情
9
OpenAI Logo
GPT-4o mini
40.2
2024-07-18
0.0
GPQA得分 40.2
发布时间 2024-07-18
参数(亿) 0.0
查看模型详情
10
Anthropic Logo
Claude 3.5 Haiku
37.5
2024-10-22
0.0
GPQA得分 37.5
发布时间 2024-10-22
参数(亿) 0.0
查看模型详情
11
Google Deep Mind Logo
Gemma 3 - 27B (IT)
36.83
2025-03-12
270.0
GPQA得分 36.83
发布时间 2025-03-12
参数(亿) 270.0
查看模型详情
12
CohereAI Logo
C4AI Aya Vision 32B
34.38
2025-03-04
320.0
GPQA得分 34.38
发布时间 2025-03-04
参数(亿) 320.0
查看模型详情