Skip to content
简体中文

切换主题

发现▾

不知道从哪开始？本周最热的软件、模型和组合，3 分钟看完 AI 圈的变化。

AI 软件▾

给人用的 AI 软件：从 ChatGPT 这类助手，到写代码、做视频、搭工作流的工具，按用途挑。

Agent 工具▾

给 AI 用的软件：让你的 agent（Claude Code、Codex、Cursor…）能上网、读文档、跑代码、记住事情。

模型▾

选模型、算成本、自己部署：价格、榜单、评测、免费额度和自建算力都在这里。

解决方案▾

有具体目标或报错？按场景给出现成的软件组合、步骤和问题解法。

学 AI▾

一套从零到前沿的系统课程，配算法库、必读论文和精选教程。

前沿▾

每天的 AI 新闻、每周热点、最新论文和 AI 改造各学科的进度。

科学 · %

GPQA Diamond

198 道研究生水平的生物、物理、化学选择题，设计为“搜不到答案”。

持续更新 数据污染风险: 中 282 条成绩 · 217 个模型 更新于 2026年10月22日 最新成绩：2026-10-19 官方榜单 ↗

测什么

专家级科学推理。本站分数来自 Epoch AI 自己的统一评测（准确率）。

局限

只有 198 题，3 个百分点以内的差距基本是噪声；随机猜答案也有 25%；头部模型接近饱和。

数据污染风险: 中

题目自 2023 年起公开。

排行

前 100 名（共 217 条）

# 模型 厂商 分数 名次 设定 来源类型 日期
1 Gemini 4 Argon Google 96.4% 1 Epoch AI run, accuracy; effort: high 独立评测 2026年10月13日
2 GPT-6 Astra OpenAI 95.8% 2 Epoch AI run, accuracy; effort: max 独立评测 2026年8月30日
3 Claude Sonnet 5.5 Anthropic 95.6% 3 Epoch AI run, accuracy; effort: max 独立评测 2026年9月29日
4 GPT-6.1 Sol OpenAI 95.4% 4 Epoch AI run, accuracy; effort: max 独立评测 2026年9月29日
5 Gemini 3.8 Flash Google 95.4% 4 Epoch AI run, accuracy; effort: high 独立评测 2026年9月2日
6 Gemini 3.7 Flash Google 94.8% 6 Epoch AI run, accuracy; effort: high 独立评测 2026年8月14日
7 GPT-5.4 Pro OpenAI 94.6% 7 Epoch AI run, accuracy; effort: xhigh 独立评测 2026年3月20日
8 Gemini 3.1 Pro Google 94.4% 8 Epoch AI run, accuracy 独立评测 2026年8月6日
9 GPT-6 Sol OpenAI 94.3% 9 Epoch AI run, accuracy; effort: max 独立评测 2026年9月22日
10 Grok 4.6 xAI 94.0% 10 Epoch AI run, accuracy; effort: high 独立评测 2026年8月12日
11 GPT-5.5 OpenAI 94.0% 10 Epoch AI run, accuracy; effort: xhigh 独立评测 2026年4月24日
12 GPT-5.5 Pro OpenAI 93.9% 12 Epoch AI run, accuracy; effort: xhigh 独立评测 2026年4月24日
13 Claude Opus 5 Anthropic 93.9% 13 Epoch AI run, accuracy; effort: max 独立评测 2026年7月24日
14 GPT-5.6 Sol OpenAI 93.5% 14 Epoch AI run, accuracy; effort: max 独立评测 2026年7月9日
15 Grok 4.5 xAI 93.4% 15 Epoch AI run, accuracy; effort: high 独立评测 2026年7月8日
16 GPT-5.6 Terra OpenAI 93.3% 16 Epoch AI run, accuracy; effort: max 独立评测 2026年7月9日
17 GPT-5.4 OpenAI 93.3% 17 Epoch AI run, accuracy; effort: xhigh 独立评测 2026年3月6日
18 DeepSeek V4.1 Flash 1017OW DeepSeek 93.2% 18 Epoch AI run, accuracy; effort: max 独立评测 2026年10月19日
19 Kimi K3OW Moonshot AI 93.1% 20 Epoch AI run, accuracy; effort: max 独立评测 2026年7月16日
20 Grok 4.7 xAI 92.7% 22 Epoch AI run, accuracy; effort: xhigh 独立评测 2026年9月22日
21 Qwen 3.8 Max Alibaba (Qwen) 92.7% 23 Epoch AI run, accuracy; effort: xhigh 独立评测 2026年8月4日
22 Gemini 3 Pro Google 92.6% 24 Epoch AI run, accuracy 独立评测 2025年11月19日
23 Qwen3.8 Max (0902) Alibaba (Qwen) 92.3% 25 Epoch AI run, accuracy; effort: xhigh 独立评测 2026年9月2日
24 DeepSeek V4 Pro 0813OW DeepSeek 91.7% 27 Epoch AI run, accuracy; effort: max 独立评测 2026年8月18日
25 GPT-5.6 Luna OpenAI 91.6% 28 Epoch AI run, accuracy; effort: max 独立评测 2026年7月9日
26 GPT-5.2 OpenAI 91.4% 29 Epoch AI run, accuracy; effort: xhigh 独立评测 2025年12月13日
27 DeepSeek V4 Flash 0731OW DeepSeek 91.0% 30 Epoch AI run, accuracy; effort: max 独立评测 2026年8月2日
28 GLM-5.3OW Zhipu AI (Z.ai) 90.9% 31 Epoch AI run, accuracy; effort: max 独立评测 2026年8月24日
29 Qwen3.7-Max Alibaba (Qwen) 90.9% 31 Epoch AI run, accuracy 独立评测 2026年8月7日
30 DeepSeek-V4-ProOW DeepSeek 90.9% 31 Epoch AI run, accuracy; effort: high 独立评测 2026年8月6日
31 Kimi K2.6OW Moonshot AI 90.8% 34 Epoch AI run, accuracy 独立评测 2026年5月1日
32 Claude Opus 5.5 Anthropic 90.6% 36 Epoch AI run, accuracy; effort: max 独立评测 2026年9月22日
33 Claude Sonnet 5 Anthropic 90.5% 37 Epoch AI run, accuracy; effort: xhigh 独立评测 2026年7月1日
34 Claude Opus 4.6 Anthropic 90.5% 37 Epoch AI run, accuracy; effort: 32k thinking 独立评测 2026年2月6日
35 GPT-6 Luna OpenAI 90.5% 39 Epoch AI run, accuracy; effort: max 独立评测 2026年9月22日
36 GLM-5.3-FlashOW Zhipu AI (Z.ai) 90.2% 40 Epoch AI run, accuracy; effort: max 独立评测 2026年8月26日
37 Claude Opus 4.7 Anthropic 90.2% 40 Epoch AI run, accuracy; effort: xhigh 独立评测 2026年4月17日
38 GLM-5.1OW Zhipu AI (Z.ai) 89.9% 42 Epoch AI run, accuracy 独立评测 2026年8月10日
39 DeepSeek V4.1 FlashOW DeepSeek 89.8% 45 Epoch AI run, accuracy; effort: max 独立评测 2026年10月9日
40 Muse Spark Meta 89.8% 46 Epoch AI run, accuracy 独立评测 2026年4月8日
41 Claude Haiku 5.5 Anthropic 89.7% 47 Epoch AI run, accuracy; effort: max 独立评测 2026年10月9日
42 Gemini 3 Flash Google 89.4% 49 Epoch AI run, accuracy 独立评测 2026年8月6日
43 Grok 4.20 xAI 89.3% 50 Epoch AI run, accuracy 独立评测 2026年7月13日
44 Gemini 3.5 Flash Google 88.9% 51 Epoch AI run, accuracy 独立评测 2026年8月6日
45 Grok 4.3 Beta xAI 88.8% 53 Epoch AI run, accuracy 独立评测 2026年6月17日
46 Muse Spark OpenOW Meta 88.6% 55 Epoch AI run, accuracy; effort: xhigh 独立评测 2026年10月15日
47 Inkling-SmallOW Thinking Machines 88.5% 56 Epoch AI run, accuracy; effort: xhigh 独立评测 2026年8月14日
48 Qwen 3.6 Plus Alibaba (Qwen) 88.4% 57 Epoch AI run, accuracy; effort: 2026-04-02 独立评测 2026年8月7日
49 InklingOW Thinking Machines 88.3% 59 Epoch AI run, accuracy; effort: xhigh 独立评测 2026年8月5日
50 Mistral Large 4 Mistral AI 88.1% 61 Epoch AI run, accuracy; effort: high 独立评测 2026年10月12日
51 Kimi K2.7 CodeOW Moonshot AI 87.9% 62 Epoch AI run, accuracy 独立评测 2026年8月7日
52 Qwen3.7-Plus Alibaba (Qwen) 87.9% 62 Epoch AI run, accuracy 独立评测 2026年8月7日
53 GLM-5OW Zhipu AI (Z.ai) 87.8% 66 Epoch AI run, accuracy 独立评测 2026年2月12日
54 GPT-5.1 OpenAI 87.6% 67 Epoch AI run, accuracy; effort: high 独立评测 2025年11月13日
55 Kimi K2.5OW Moonshot AI 87.6% 68 Epoch AI run, accuracy; effort: Fireworks 独立评测 2026年2月2日
56 Qwen 3.6 Max (Preview) Alibaba (Qwen) 87.4% 69 Epoch AI run, accuracy; effort: Preview 独立评测 2026年8月7日
57 Claude Sonnet 4.6 Anthropic 87.4% 69 Epoch AI run, accuracy; effort: 32k thinking 独立评测 2026年2月20日
58 Grok 4 xAI 87.0% 72 Epoch AI run, accuracy 独立评测 2025年7月9日
59 GPT-5.4 Mini OpenAI 86.9% 73 Epoch AI run, accuracy; effort: xhigh 独立评测 2026年8月7日
60 GPT-5 OpenAI 86.2% 75 Epoch AI run, accuracy; effort: high 独立评测 2025年10月29日
61 Claude Opus 4.5 Anthropic 86.0% 76 Epoch AI run, accuracy; effort: 32k thinking 独立评测 2025年11月24日
62 Qwen3.6 27BOW Alibaba (Qwen) 85.9% 77 Epoch AI run, accuracy 独立评测 2026年8月7日
63 Qwen3.5 397B-A17BOW Alibaba (Qwen) 85.9% 77 Epoch AI run, accuracy 独立评测 2026年8月7日
64 Gemini 3.6 Flash Google 85.9% 77 Epoch AI run, accuracy 独立评测 2026年8月7日
65 Claude Fable 5 Anthropic 85.9% 77 Epoch AI run, accuracy; effort: max 独立评测 2026年8月6日
66 Nemotron 3 UltraOW NVIDIA 85.3% 82 Epoch AI run, accuracy 独立评测 2026年8月10日
67 Claude Opus 4.8 Anthropic 85.3% 82 Epoch AI run, accuracy 独立评测 2026年8月6日
68 Gemini 2.5 Pro (Jun 2025) Google 85.3% 85 Epoch AI run, accuracy 独立评测 2025年11月16日
69 Qwen 3.5 Plus (hosted 397B-A17B) Alibaba (Qwen) 84.8% 87 Epoch AI run, accuracy 独立评测 2026年8月7日
70 Kimi K2 ThinkingOW Moonshot AI 84.2% 91 Epoch AI run, accuracy 独立评测 2025年11月11日
71 Qwen 3.6 35B-A3BOW Alibaba (Qwen) 83.8% 92 Epoch AI run, accuracy 独立评测 2026年8月7日
72 Gemini 2.5 Pro (Mar 2025) Google 83.8% 92 Epoch AI run, accuracy; effort: Mar 2025 独立评测 2025年3月31日
73 DeepSeek-V3.2OW DeepSeek 83.4% 95 Epoch AI run, accuracy; effort: Thinking 独立评测 2025年12月16日
74 Qwen 3.6 Flash Alibaba (Qwen) 83.3% 96 Epoch AI run, accuracy; effort: 2026-04-16 独立评测 2026年8月7日
75 GLM-4.7OW Zhipu AI (Z.ai) 83.3% 96 Epoch AI run, accuracy 独立评测 2026年1月29日
76 GPT-5.5 Instant OpenAI 82.5% 103 Epoch AI run, accuracy 独立评测 2026年8月2日
77 Qwen3.7 Flash Alibaba (Qwen) 82.3% 104 Epoch AI run, accuracy 独立评测 2026年8月7日
78 Qwen 3.5 Flash (hosted 35B-A3B) Alibaba (Qwen) 82.3% 104 Epoch AI run, accuracy 独立评测 2026年8月7日
79 Claude Sonnet 4.5 Anthropic 82.3% 104 Epoch AI run, accuracy; effort: 59k thinking 独立评测 2025年10月28日
80 o3 OpenAI 81.8% 108 Epoch AI run, accuracy; effort: high 独立评测 2025年4月16日
81 MiniMax-M3OW MiniMax 81.3% 110 Epoch AI run, accuracy 独立评测 2026年8月10日
82 Qwen3.5-35B-A3BOW Alibaba (Qwen) 81.2% 111 Epoch AI run, accuracy 独立评测 2026年8月28日
83 Qwen3-235B-A22B-Thinking (Jul 2025)OW Alibaba (Qwen) 80.0% 115 Epoch AI run, accuracy 独立评测 2025年12月11日
84 Claude 3.7 Sonnet Anthropic 79.7% 117 Epoch AI run, accuracy; effort: 64k thinking 独立评测 2025年5月26日
85 o4-mini OpenAI 79.6% 118 Epoch AI run, accuracy; effort: high 独立评测 2025年4月16日
86 Claude Sonnet 4 Anthropic 79.2% 119 Epoch AI run, accuracy 独立评测 2025年5月26日
87 Qwen3.5-9BOW Alibaba (Qwen) 78.9% 120 Epoch AI run, accuracy 独立评测 2026年8月27日
88 GPT-5.4 Nano OpenAI 78.5% 124 Epoch AI run, accuracy; effort: high 独立评测 2026年4月14日
89 o3-mini OpenAI 77.0% 128 Epoch AI run, accuracy; effort: high 独立评测 2025年2月13日
90 Claude Opus 4.1 Anthropic 76.8% 129 Epoch AI run, accuracy 独立评测 2025年8月5日
91 o1 OpenAI 76.8% 129 Epoch AI run, accuracy; effort: high 独立评测 2025年2月13日
92 DeepSeek-R1 (May 2025)OW DeepSeek 76.3% 133 Epoch AI run, accuracy; effort: May 2025 独立评测 2025年5月29日
93 Claude Opus 4 Anthropic 76.3% 134 Epoch AI run, accuracy 独立评测 2025年5月22日
94 Gemma 4 31B ITOW Google 75.8% 135 Epoch AI run, accuracy 独立评测 2026年8月6日
95 Gemini 3.5 Flash-Lite Google 75.8% 135 Epoch AI run, accuracy 独立评测 2026年8月6日
96 gpt-oss-120bOW OpenAI 75.8% 135 Epoch AI run, accuracy 独立评测 2025年12月11日
97 Grok 3 xAI 75.8% 135 Epoch AI run, accuracy 独立评测 2025年5月26日
98 Grok-3 mini xAI 75.5% 140 Epoch AI run, accuracy 独立评测 2025年5月26日
99 GPT-5 mini OpenAI 75.0% 142 Epoch AI run, accuracy; effort: high 独立评测 2025年10月30日
100 Gemini 3.1 Flash-Lite Google 73.7% 146 Epoch AI run, accuracy 独立评测 2026年8月6日

最高分变化

按评测日期，每一步表示本站数据中出现了新的最高分。

  1. 2025-01-2775.8%o1
  2. 2025-02-1377.0%o3-mini
  3. 2025-03-3183.8%Gemini 2.5 Pro (Mar 2025)
  4. 2025-06-0584.8%Gemini 2.5 Pro (Jun 2025)
  5. 2025-07-0987.0%Grok 4
  6. 2025-11-1387.6%GPT-5.1
  7. 2025-11-1992.6%Gemini 3 Pro
  8. 2026-03-0693.3%GPT-5.4
  9. 2026-03-2094.6%GPT-5.4 Pro
  10. 2026-08-1494.8%Gemini 3.7 Flash
  11. 2026-08-3095.8%GPT-6 Astra
  12. 2026-10-1396.4%Gemini 4 Argon

数据来源与许可

来源许可 / 条款本站使用方式最近抓取
Epoch AI Benchmarking Hub
Epoch AI, 'Capabilities & benchmarking', https://epoch.ai/benchmarks (CC BY 4.0)
 CC BY 4.0 开放许可：完整收录并署名 2026年10月22日
← 全部基准 · 了解评测基准是怎么回事

常见问题

GPQA Diamond 测的是什么？

198 道研究生水平的生物、物理、化学选择题，设计为“搜不到答案”。 专家级科学推理。本站分数来自 Epoch AI 自己的统一评测（准确率）。

GPQA Diamond 的结果可靠吗？

只有 198 题，3 个百分点以内的差距基本是噪声；随机猜答案也有 25%；头部模型接近饱和。 数据污染风险: 中 – 题目自 2023 年起公开。

数据更新于：模型评测成绩（北京时间）