Benchmark
GPQA
reasoning
general
text
A challenging dataset of 448 multiple-choice questions written by domain experts in biology, physics, and chemistry. Questions are Google-proof and extremely difficult, with PhD experts reaching 65% accuracy.
Top 10
榜单概览
数据说明
分数为 0-100 百分制综合成绩（Elo 榜为相对评分，仅供同榜内比较）。评测分数属事实数据，整理自公开评测体系与厂商公开资料，部分分数为厂商自报口径，不同榜单的评测方法与数据集可能存在差异，请结合多个榜单交叉参考。
Ranking
模型排名
| 名次 | 模型 | 机构 | 分数 | 来源 |
|---|---|---|---|---|
| 1 | Nemotron 3 Ultra 550B A55B | NVIDIA | 87.0 | 来源 |
| 2 | GPT-5 | OpenAI | 85.7 | 来源 |
| 3 | Grok 4 Fast | xAI | 85.7 | 来源 |
| 4 | Claude Sonnet 4.5 | Anthropic | 83.4 | 来源 |
| 5 | GPT-5 mini | OpenAI | 82.3 | 来源 |
| 6 | Qwen3-235B-A22B-Thinking-2507 | Alibaba Cloud / Qwen Team | 81.1 | 来源 |
| 7 | GLM-4.6 | Zhipu AI | 81.0 | 来源 |
| 8 | Claude Opus 4.1 | Anthropic | 80.9 | 来源 |
| 9 | GPT OSS 120B | OpenAI | 80.1 | 来源 |
| 10 | DeepSeek-V3.2-Exp | DeepSeek | 79.9 | 来源 |
| 11 | GLM-4.5 | Zhipu AI | 79.1 | 来源 |
| 12 | Qwen3-Next-80B-A3B-Thinking | Alibaba Cloud / Qwen Team | 77.2 | 来源 |
| 13 | Kimi K2 0905 | Moonshot AI | 75.8 | 来源 |
| 14 | Kimi K2-Instruct-0905 | Moonshot AI | 75.1 | 来源 |
| 15 | GLM-4.5-Air | Zhipu AI | 75.0 | 来源 |
| 16 | Claude Haiku 4.5 | Anthropic | 73.0 | 来源 |
| 17 | Qwen3-Next-80B-A3B-Instruct | Alibaba Cloud / Qwen Team | 72.9 | 来源 |
| 18 | GPT OSS 20B | OpenAI | 71.5 | 来源 |
| 19 | GPT-5 nano | OpenAI | 71.2 | 来源 |
| 20 | Nemotron Nano 9B v2 | NVIDIA | 64.0 | 来源 |