通用人工智能（AGI）的进步需要可靠的评估基准。GPQA (Grade-Level Problems in Question Answering) Diamond 基准旨在衡量模型在需要深度推理和领域专业知识问题上的能力。该基准由纽约大学、CohereAI 及 Anthropic 的研究人员联合发布，其相关论文可在 arXiv 上查阅 (https://arxiv.org/pdf/2311.12022 )。GPQA Diamond是GPQA系列中最高质量的评测数据，包含198条结果。
GPQA Diamond 旨在提供一个全面的框架，能够测试模型在多种推理场景下的能力，并推动大模型在更加复杂任务上的改进。
查看 GPQA Diamond 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
已排除 2 条并行模式成绩
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
94.60 | 2026-04-07 | 未知 | 闭源 | ||
 GPT-5.4 Pro 思考水平·高 | 94.40 | 2026-03-05 | 未知 | 闭源 | |
 Gemini 3.1 Pro Preview 思考水平·高 | 94.30 | 2026-02-20 | 未知 | 闭源 | |
4 |  Opus 4.7 扩展思考 | 94.20 | 2026-04-16 | 未知 | 闭源 |
5 | GPT-5.5 思考水平·高 | 93.60 | 2026-04-23 | 未知 | 闭源 |
6 | Claude Opus 4.8 思考水平·高 | 93.60 | 2026-05-28 | 未知 | 闭源 |
7 | GPT-5.2 深度思考模式 | 93.20 | 2025-12-11 | 未知 | 闭源 |
8 | GPT-5.2 Pro 开启思考 | 93.20 | 2025-12-11 | 未知 | 闭源 |
9 | GPT-5.4 思考水平·极高 | 92.80 | 2026-03-05 | 未知 | 闭源 |
10 | GPT-5.2 思考水平·极高 | 92.40 | 2025-12-11 | 未知 | 闭源 |
11 |  Qwen3.7-Max-Preview 思考水平·Max | 92.40 | 2026-05-20 | 10000亿 | 闭源 |
12 | 91.90 | 2025-11-18 | 未知 | 闭源 | |
13 | Claude Opus 4.6 扩展思考 | 91.31 | 2026-02-05 | 未知 | 闭源 |
14 |  GLM-5.2 开启思考 | 91.20 | 2026-06-13 | 7533.3亿 | 免费商用 |
15 | 91.00 | 2025-11-18 | 未知 | 闭源 | |
16 |  Kimi K2.6 开启思考 | 90.50 | 2026-04-20 | 10000亿 | 免费商用 |
17 | Gemini 3.0 Flash 开启思考 | 90.40 | 2025-12-17 | 未知 | 闭源 |
18 | 90.40 | 2026-03-31 | 未知 | 闭源 | |
19 | Qwen3.6-Max-Preview 思考水平·Max | 90.40 | 2026-04-20 | 10000亿 | 闭源 |
20 |  DeepSeek-V4-Pro 思考水平·Max | 90.10 | 2026-04-24 | 16000亿 | 免费商用 |
21 | 89.90 | 2026-02-17 | 未知 | 闭源 | |
22 |  Muse Spark 开启思考 | 89.50 | 2026-04-08 | 未知 | 闭源 |
23 | GPT-5-Pro 开启思考工具 | 89.40 | 2025-08-07 | 未知 | 闭源 |
24 | DeepSeek-V4-Pro 思考水平·高 | 89.10 | 2026-04-24 | 16000亿 | 免费商用 |
25 | GPT-5-Pro 开启思考 | 88.40 | 2025-08-07 | 未知 | 闭源 |
26 | 88.40 | 2026-02-16 | 397亿 | 免费商用 | |
27 | GPT-5.1 开启思考 | 88.10 | 2025-11-12 | 未知 | 闭源 |
28 | GPT-5.1 思考水平·高 | 88.10 | 2025-11-12 | 未知 | 闭源 |
