Benchmark
开源模型能力榜·GPQA-Diamond
general
text
多语言
开源模型能力榜·GPQA-Diamond：多维度评测综合成绩。评测分数为事实数据，整理自公开评测体系，仅供学习研究参考。
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 | Gemini 3 Pro Preview | 91.5 | 来源 | |
| 2 | Qwen3.5 397B-A17B | Alibaba Cloud / Qwen Team | 88.4 | 来源 |
| 3 | Kimi K2.5 | Moonshot AI | 88.1 | 来源 |
| 4 | GLM-4.7 | Zhipu AI | 86.9 | 来源 |
| 5 | DeepSeek-V3.2-Speciale | DeepSeek | 86.7 | 来源 |
| 6 | GPT-5 | OpenAI | 86.4 | 来源 |
| 7 | GLM-5 | Zhipu AI | 85.3 | 来源 |
| 8 | MiniMax-M2.5 | MiniMax | 84.6 | 来源 |
| 9 | DeepSeek-V3.2 | DeepSeek | 84.6 | 来源 |
| 10 | Step 3.5 Flash | StepFun | 83.7 | 来源 |
| 11 | GPT-5 mini | OpenAI | 82.7 | 来源 |
| 12 | Kimi K2 Thinking | Moonshot AI | 82.7 | 来源 |
| 13 | MiMo-V2-Flash | Xiaomi | 82.1 | 来源 |
| 14 | TeleChat-thinking | TeleAI | 81.4 | 来源 |
| 15 | GLM-4.6 | Zhipu AI | 80.4 | 来源 |
| 16 | Qwen3-235B-A22B-Thinking-2507 | Alibaba Cloud / Qwen Team | 79.8 | 来源 |
| 17 | GLM-4.5 | Zhipu AI | 79.5 | 来源 |
| 18 | GPT OSS 120B | OpenAI | 78.9 | 来源 |
| 19 | MiniMax-M2 | MiniMax | 78.7 | 来源 |
| 20 | JT-Think | China Mobile | 77.7 | 来源 |
| 21 | Qwen3-Next-80B-A3B-Thinking | Alibaba Cloud / Qwen Team | 77.0 | 来源 |
| 22 | Qwen3-Next-80B-A3B-Instruct | Alibaba Cloud / Qwen Team | 74.1 | 来源 |
| 23 | Seed-OSS-36B-Instruct | ByteDance | 71.5 | 来源 |
| 24 | LongCat-Flash-Chat | Meituan | 70.1 | 来源 |
| 25 | Qwen3-30B-A3B-Thinking-2507 | Alibaba Cloud / Qwen Team | 70.1 | 来源 |
| 26 | GPT OSS 20B | OpenAI | 68.9 | 来源 |
| 27 | GPT-5 nano | OpenAI | 67.8 | 来源 |
| 28 | Qwen3-4B-Thinking-2507 | Alibaba Cloud / Qwen Team | 64.7 | 来源 |
| 29 | Qwen3-30B-A3B-Instruct-2507 | Alibaba Cloud / Qwen Team | 63.6 | 来源 |
| 30 | ERNIE-4.5-21B-A3B-Thinking | Baidu | 60.2 | 来源 |
| 31 | MiniCPM-SALA | OpenBMB | 58.2 | 来源 |
| 32 | Qwen3-4B-Instruct-2507 | Alibaba Cloud / Qwen Team | 52.3 | 来源 |