Graduate-Level Google-Proof Q&A
GPQA Diamond erklärt: Google-sichere Q&A auf Graduiertenniveau in Biologie, Physik und Chemie. Die Items sind so geschrieben, dass Laien auch mit Websuche scheitern; Diamond ist die von Experten geprüfte schwere Teilmenge (198 Multiple-Choice-Fragen). Ein hoher Score heisst korrekte Antworten auf diesem Satz nach dem veröffentlichten Protokoll — keine allgemeine Note für Recherche-Assistenten.
Nutze GPQA Diamond, wenn du nach leichteren Suites noch einen trennenden Frontier-Wissenschaftscheck brauchst. Behandle es als einen Reasoning-Beleg unter anderen — nützlich für Modellvergleiche, nicht als Auswahlliste für studentische Schreibtools.
Lies die Genauigkeit auf den 198 Diamond-MCQs gegen die veröffentlichten Decken: promovierte Fachexperten ~65–74 % im eigenen Fach, geübte Laien mit Websuche ~34 %. Wenige Glückstreffer verschieben den Prozentsatz. Bevorzuge datierte, quellengeprüfte Zeilen mit klarem Prompting-Setup; behandle die Rangliste nicht als Alltagsnutzen.
Auf die Skala dieses Benchmarks normalisiert (0–100). Die Tabelle zeigt die Rohwerte.
Scores nutzen die eigene Einheit und Skala dieses Benchmarks, keinen universellen Qualitätswert.
| # | Modell | Veröffentlichung | Score | Herkunft | Beleglage |
|---|---|---|---|---|---|
| 1 | GPT-6 AstraOpenAI | 2026-09-03 | 96.1% | 2026-09-28 | Quelle geprüft |
| 2 | Gemini 3.8 FlashGoogle | 2026-09-02 | 95.3% | 2026-09-28 | Quelle geprüft |
| 3 | Grok 4.6xAI | 2026-08-12 | 94.9% | 2026-09-28 | Quelle geprüft |
| 1 | Claude Mythos PreviewAnthropic | 2026-06-01 | 94.6% | GPQA Diamond paper leaderboard2026-06-02 | Quelle geprüft |
| 5 | Gemini 3.7 FlashGoogle | 2026-08-13 | 94.5% | 2026-09-28 | Quelle geprüft |
| 6 | Gemini 3.1 Pro PreviewGoogle | 2026-02-19 | 94.1% | 2026-09-28 | Quelle geprüft |
| 7 | GPT-5.6 SolOpenAI | 2026-07-09 | 94.1% | 2026-09-28 | Quelle geprüft |
| 8 | Claude Fable 5.1Anthropic | 2026-09-01 | 93.7% | 2026-09-28 | Quelle geprüft |
| 9 | Claude Opus 5 (Adaptive Reasoning, High Effort)Anthropic | 2026-07-24 | 93.7% | 2026-09-28 | Quelle geprüft |
| 10 | Claude Opus 5 (Adaptive Reasoning, Xhigh Effort)Anthropic | 2026-07-24 | 93.7% | 2026-09-28 | Quelle geprüft |
| 11 | Kimi K3Moonshot | 2026-07-16 | 93.5% | 2026-09-28 | Quelle geprüft |
| 12 | Muse Spark 1.3Meta | 2026-09-02 | 93.5% | 2026-09-28 | Quelle geprüft |
| 13 | Qwen3.8 2.4T A95BAlibaba | 2026-08-12 | 93.5% | 2026-09-28 | Quelle geprüft |
| 14 | Claude Opus 5 (Adaptive Reasoning, Max Effort)Anthropic | 2026-07-24 | 93.2% | 2026-09-28 | Quelle geprüft |
| 15 | GPT-5.5 (high)OpenAI | 2026-04-23 | 93.2% | 2026-09-28 | Quelle geprüft |
| 16 | Grok 4.5xAI | 2026-07-08 | 93.1% | 2026-09-28 | Quelle geprüft |
| 17 | MiniMax M3MiniMax | 2026-05-31 | 92.9% | 2026-09-28 | Quelle geprüft |
| 18 | DeepSeek V4 Pro 0813 (Reasoning, Max Effort)DeepSeek | 2026-08-13 | 92.8% | 2026-09-28 | Quelle geprüft |
| 19 | Gemini 3.6 Flash (high)Google | 2026-07-21 | 92.8% | 2026-09-28 | Quelle geprüft |
| 20 | Qwen3.8 MaxAlibaba | 2026-08-03 | 92.8% | 2026-09-28 | Quelle geprüft |
| 21 | Claude Fable 5Anthropic | 2026-06-09 | 92.6% | 2026-09-28 | Quelle geprüft |
| 22 | GPT-5.5 (medium)OpenAI | 2026-04-23 | 92.6% | 2026-09-28 | Quelle geprüft |
| 23 | GPT-5.6 TerraOpenAI | 2026-07-09 | 92.5% | 2026-09-28 | Quelle geprüft |
| 24 | Qwen3.7 MaxAlibaba | 2026-05-19 | 92.3% | 2026-09-28 | Quelle geprüft |
| 25 | Qwen3.8-Flash-NextAlibaba | 2026-08-26 | 92.3% | 2026-09-28 | Quelle geprüft |
| 26 | Gemini 3.5 Flash (medium)Google | 2026-05-19 | 92.1% | 2026-09-28 | Quelle geprüft |
| 27 | GPT 5.4OpenAI | 2026-03-05 | 92% | 2026-09-28 | Quelle geprüft |
| 28 | Claude Opus 5 (Adaptive Reasoning, Medium Effort)Anthropic | 2026-07-24 | 91.9% | 2026-09-28 | Quelle geprüft |
| 29 | GLM-5.3Zhipu | 2026-08-14 | 91.7% | 2026-09-28 | Quelle geprüft |
| 30 | GPT-5.3 Codex (xhigh)OpenAI | 2026-02-05 | 91.5% | 2026-09-28 | Quelle geprüft |
| 31 | Claude Opus 4.7Anthropic | 2026-04-16 | 91.4% | 2026-09-28 | Quelle geprüft |
| 32 | DeepSeek V4 Flash Vision (Reasoning, Max Effort)DeepSeek | 2026-08-21 | 91.3% | 2026-09-28 | Quelle geprüft |
| 33 | GLM-5.3-FlashZhipu | 2026-08-26 | 91.2% | 2026-09-28 | Quelle geprüft |
| 34 | Claude Sonnet 5Anthropic | 2026-06-30 | 91.1% | 2026-09-28 | Quelle geprüft |
| 35 | GPT-5.6 LunaOpenAI | 2026-07-09 | 91.1% | 2026-09-28 | Quelle geprüft |
| 36 | Grok 4.20 ReasoningxAI | 2026-03-05 | 91.1% | 2026-09-28 | Quelle geprüft |
| 37 | GPT-5.5 (low)OpenAI | 2026-04-23 | 91% | 2026-09-28 | Quelle geprüft |
| 38 | DeepSeek V4 Flash 0731 (Reasoning, Max Effort)DeepSeek | 2026-07-31 | 90.8% | 2026-09-28 | Quelle geprüft |
| 39 | Gemini 3 ProGoogle | 2025-11-18 | 90.8% | 2026-09-28 | Quelle geprüft |
| 1 | Kimi K2.6Moonshot | 2026-04-20 | 90.5% | GPQA Diamond paper leaderboard2026-05-15 | Quelle geprüft |
| 41 | Qwen3.8 27BAlibaba | 2026-08-14 | 90.5% | 2026-09-28 | Quelle geprüft |
| 42 | Muse Spark 1.2Meta | 2026-08-05 | 90.4% | 2026-09-28 | Quelle geprüft |
| 43 | GPT-5.2OpenAI | 2025-12-11 | 90.3% | 2026-09-28 | Quelle geprüft |
| 44 | Qwen 3.7 PlusAlibaba | 2026-06-02 | 90% | 2026-09-28 | Quelle geprüft |
| 45 | GPT-5.2 Codex (xhigh)OpenAI | 2025-12-11 | 89.9% | 2026-09-28 | Quelle geprüft |
| 46 | Gemini 3 Flash Preview (Reasoning)Google | 2025-12-17 | 89.8% | 2026-09-28 | Quelle geprüft |
| 47 | Muse Spark 1.1Meta | 2026-07-09 | 89.8% | 2026-09-28 | Quelle geprüft |
| 48 | Hy3Other | 2026-07-06 | 89.7% | 2026-09-28 | Quelle geprüft |
| 49 | Claude Opus 4.6 (Adaptive Reasoning, Max Effort)Anthropic | 2026-02-05 | 89.6% | 2026-09-28 | Quelle geprüft |
| 50 | Kimi K2.7 CodeMoonshot | 2026-06-12 | 89.6% | 2026-09-28 | Quelle geprüft |
| 51 | GLM-5.2Zhipu | 2026-06-13 | 89.5% | 2026-09-28 | Quelle geprüft |
| 52 | Grok Build 0.1 0616xAI | 2026-06-16 | 89.5% | 2026-09-28 | Quelle geprüft |
| 53 | Inkling SmallOther | 2026-07-30 | 89.5% | 2026-09-28 | Quelle geprüft |
| 54 | Qwen3.5 397B A17B (Reasoning)Alibaba | 2026-02-16 | 89.3% | 2026-09-28 | Quelle geprüft |
| 55 | Nex-N2-ProOther | 2026-06-02 | 89.2% | 2026-09-28 | Quelle geprüft |
| 56 | Solar Pro 4Other | 2026-08-06 | 89.1% | 2026-09-28 | Quelle geprüft |
| 57 | Grok 4.3 (medium)xAI | 2026-04-30 | 89% | 2026-09-28 | Quelle geprüft |
| 58 | Claude Opus 5 (Adaptive Reasoning, Low Effort)Anthropic | 2026-07-24 | 88.9% | 2026-09-28 | Quelle geprüft |
| 59 | Qwen3.6 Max PreviewAlibaba | 2026-04-20 | 88.8% | 2026-09-28 | Quelle geprüft |
| 60 | Gemini 3 Pro Preview (low)Google | 2025-11-18 | 88.7% | 2026-09-28 | Quelle geprüft |
| 61 | Claude Opus 4.7 (Non-reasoning, High Effort)Anthropic | 2026-04-16 | 88.5% | 2026-09-28 | Quelle geprüft |
| 62 | Grok 4.20 0309 (Reasoning)xAI | 2026-03-10 | 88.5% | 2026-09-28 | Quelle geprüft |
| 63 | Muse SparkOther | 2026-01-01 | 88.4% | 2026-09-28 | Quelle geprüft |
| 64 | Qwen3.6 PlusAlibaba | 2026-04-02 | 88.2% | 2026-09-28 | Quelle geprüft |
| 65 | GPT-5.4 MiniOpenAI | 2026-03-17 | 87.5% | 2026-09-28 | Quelle geprüft |
| 66 | GPT-5.1OpenAI | 2025-11-13 | 87.3% | 2026-09-28 | Quelle geprüft |
| 67 | GPT-5.4 (low)OpenAI | 2026-03-05 | 87.1% | 2026-09-28 | Quelle geprüft |
| 68 | GLM-5.1Zhipu | 2026-04-07 | 86.8% | 2026-09-28 | Quelle geprüft |
| 69 | GPT-5.2 (medium)OpenAI | 2025-12-11 | 86.4% | 2026-09-28 | Quelle geprüft |
| 70 | GPT-5.1 Codex (high)OpenAI | 2025-11-13 | 86% | 2026-09-28 | Quelle geprüft |
| 71 | GLM-4.7 (Reasoning)Zhipu | 2025-12-22 | 85.9% | 2026-09-28 | Quelle geprüft |
| 72 | Gemma 4 31B ITGoogle | 2026-03-01 | 85.7% | 2026-09-28 | Quelle geprüft |
| 73 | GPT-5 (high)OpenAI | 2025-08-07 | 85.4% | 2026-09-28 | Quelle geprüft |
| 74 | GLM-5-TurboZhipu | 2026-03-15 | 84.7% | 2026-09-28 | Quelle geprüft |
| 75 | GPT-5.5 Instant (May 2026)OpenAI | 2026-05-05 | 84.6% | 2026-09-28 | Quelle geprüft |
| 76 | GPT-5 (medium)OpenAI | 2025-08-07 | 84.2% | 2026-09-28 | Quelle geprüft |
| 77 | Gemini 3.5 Flash-LiteGoogle | 2026-07-21 | 83.8% | 2026-09-28 | Quelle geprüft |
| 78 | GPT-5 Codex (high)OpenAI | 2025-09-23 | 83.7% | 2026-09-28 | Quelle geprüft |
| 79 | Gemini 3.5 Flash (minimal)Google | 2026-05-19 | 82.8% | 2026-09-28 | Quelle geprüft |
| 80 | GPT-5.5 Instant (June 2026)OpenAI | 2026-06-25 | 82.3% | 2026-09-28 | Quelle geprüft |
| 81 | Gemini 3.1 Flash LiteGoogle | 2026-05-07 | 82.2% | 2026-09-28 | Quelle geprüft |
| 82 | GLM-5 (Reasoning)Zhipu | 2026-02-11 | 82% | 2026-09-28 | Quelle geprüft |
| 83 | GPT-5.4 NanoOpenAI | 2026-03-17 | 81.7% | 2026-09-28 | Quelle geprüft |
| 84 | GLM 5V Turbo (Reasoning)Zhipu | 2026-04-01 | 80.9% | 2026-09-28 | Quelle geprüft |
| 85 | GPT-5 (low)OpenAI | 2025-08-07 | 80.8% | 2026-09-28 | Quelle geprüft |
| 1 | Gemini 3.1 ProGoogleCoT prompting. PhD-level science MCQ. | 2026-02-19 | 78.4% | Artificial Analysis GPQA Diamond evaluation2026-06-09 | Prüfung nötig |
| 2 | Grok 4.3xAI | 2026-04-30 | 88% | GPQA Diamond paper leaderboard2026-05-15 | Quelle geprüft |
| 88 | Kimi K2.5Moonshot | 2026-01-27 | 87.9% | 2026-09-28 | Quelle geprüft |
| 89 | Grok 4xAI | 2025-07-10 | 87.7% | 2026-09-28 | Quelle geprüft |
| 90 | Claude Sonnet 4.6 (Adaptive Reasoning, Max Effort)Anthropic | 2026-02-17 | 87.5% | 2026-09-28 | Quelle geprüft |
| 91 | MiniMax M2.7MiniMax | 2026-04-15 | 87.4% | 2026-09-28 | Quelle geprüft |
| 92 | K2 Horizon 375B A23BOther | 2026-09-03 | 87.3% | 2026-09-28 | Quelle geprüft |
| 93 | Inkling (xhigh)Other | 2026-07-15 | 87.2% | 2026-09-28 | Quelle geprüft |
| 94 | MiMo-V2-ProXiaomi | 2026-03-18 | 87% | 2026-09-28 | Quelle geprüft |
| 95 | Motif 3 (Beta)Other | 2026-07-21 | 86.9% | 2026-09-28 | Quelle geprüft |
| 96 | Hy3-preview (Reasoning)Other | 2026-04-23 | 86.7% | 2026-09-28 | Quelle geprüft |
| 97 | Nemotron 3 Ultra 550B A55B (Reasoning)NVIDIA | 2026-06-04 | 86.7% | 2026-09-28 | Quelle geprüft |
| 98 | Claude Opus 4.5 (Reasoning)Anthropic | 2025-11-24 | 86.6% | 2026-09-28 | Quelle geprüft |
| 99 | MiMo-V2.5-ProXiaomi | 2026-04-22 | 86.6% | 2026-09-28 | Quelle geprüft |
| 100 | Apodex 1.1Other | 2026-08-30 | 86.4% | 2026-09-28 | Quelle geprüft |
| 101 | Qwen3 Max ThinkingAlibaba | 2026-01-26 | 86.1% | 2026-09-28 | Quelle geprüft |
| 102 | Qwen3.5 397B A17B (Non-reasoning)Alibaba | 2026-02-16 | 86.1% | 2026-09-28 | Quelle geprüft |
| 103 | Qwen3.5 27B (Reasoning)Alibaba | 2026-02-24 | 85.8% | 2026-09-28 | Quelle geprüft |
| 104 | A.X-K2Other | 2026-08-12 | 85.7% | 2026-09-28 | Quelle geprüft |
| 105 | Qwen3.5 122B A10B (Reasoning)Alibaba | 2026-02-24 | 85.7% | 2026-09-28 | Quelle geprüft |
| 106 | Ring-2.6-1TOther | 2026-05-08 | 85.7% | 2026-09-28 | Quelle geprüft |
| 107 | Solar Open2 250BOther | 2026-08-12 | 85.7% | 2026-09-28 | Quelle geprüft |
| 108 | KAT Coder Pro V2Other | 2026-03-27 | 85.5% | 2026-09-28 | Quelle geprüft |
| 109 | Ling 3.0 FlashOther | 2026-08-04 | 85.5% | 2026-09-28 | Quelle geprüft |
| 110 | MiMo-V2-Omni-0327Xiaomi | 2026-03-27 | 85.5% | 2026-09-28 | Quelle geprüft |
| 111 | MiMo-V2.5Xiaomi | 2026-04-22 | 84.9% | 2026-09-28 | Quelle geprüft |
| 112 | MiniMax M2.5MiniMax | 2026-04-01 | 84.8% | 2026-09-28 | Quelle geprüft |
| 113 | MiMo-V2-Flash (Reasoning)Xiaomi | 2025-12-16 | 84.6% | 2026-09-28 | Quelle geprüft |
| 114 | JT-4.1 Flash 236B A21BOther | 2026-07-09 | 84.5% | 2026-09-28 | Quelle geprüft |
| 115 | o3-proOpenAI | 2025-06-10 | 84.5% | 2026-09-28 | Quelle geprüft |
| 116 | Grok 4.3 (low)xAI | 2026-04-30 | 84.3% | 2026-09-28 | Quelle geprüft |
| 117 | Kimi K3 (low)Moonshot | 2026-07-16 | 84.2% | 2026-09-28 | Quelle geprüft |
| 118 | Qwen3.6 27B (Reasoning)Alibaba | 2026-04-22 | 84.2% | 2026-09-28 | Quelle geprüft |
| 119 | Qwen3.6 35B A3B (Reasoning)Alibaba | 2026-04-16 | 84.1% | 2026-09-28 | Quelle geprüft |
| 120 | Claude Opus 4.6Anthropic | 2026-02-05 | 84% | 2026-09-28 | Quelle geprüft |
| 121 | DeepSeek V3.2 (Reasoning)DeepSeek | 2025-12-01 | 84% | 2026-09-28 | Quelle geprüft |
| 122 | Kimi K2 ThinkingMoonshot | 2025-11-06 | 83.8% | 2026-09-28 | Quelle geprüft |
| 123 | MiMo-V2-Flash (Feb 2026)Xiaomi | 2025-12-16 | 83.5% | 2026-09-28 | Quelle geprüft |
| 124 | Muse GlimmerMeta | 2026-08-10 | 83.5% | 2026-09-28 | Quelle geprüft |
| 125 | Claude 4.5 Sonnet (Reasoning)Anthropic | 2025-09-29 | 83.4% | 2026-09-28 | Quelle geprüft |
| 126 | Motif 3Other | 2026-08-12 | 83.4% | 2026-09-28 | Quelle geprüft |
| 127 | MiniMax-M2.1MiniMax | 2025-12-23 | 83% | 2026-09-28 | Quelle geprüft |
| 128 | JT-35B-FlashOther | 2026-05-14 | 82.9% | 2026-09-28 | Quelle geprüft |
| 129 | K-EXAONE 2.0 0803Other | 2026-08-12 | 82.9% | 2026-09-28 | Quelle geprüft |
| 130 | Qwen3.6 27B (Non-reasoning)Alibaba | 2026-04-22 | 82.9% | 2026-09-28 | Quelle geprüft |
| 131 | MiMo-V2-OmniXiaomi | 2026-03-19 | 82.8% | 2026-09-28 | Quelle geprüft |
| 132 | OpenAI o3OpenAI | 2025-04-16 | 82.7% | 2026-09-28 | Quelle geprüft |
| 133 | Qwen3.6 35B A3B (Non-reasoning)Alibaba | 2026-04-16 | 81.7% | 2026-09-28 | Quelle geprüft |
| 134 | DeepSeek R1DeepSeek | 2025-01-20 | 81.3% | 2026-09-28 | Quelle geprüft |
| 135 | Gemini 3 Flash PreviewGoogle | 2025-12-17 | 81.2% | 2026-09-28 | Quelle geprüft |
| 136 | Claude Opus 4.5Anthropic | 2025-11-24 | 81% | 2026-09-28 | Quelle geprüft |
| 137 | Claude 4.1 Opus (Reasoning)Anthropic | 2025-08-05 | 80.9% | 2026-09-28 | Quelle geprüft |
| 138 | G9v3-39A5BOther | 2026-08-03 | 80.5% | 2026-09-28 | Quelle geprüft |
| 139 | Claude Sonnet 4.6 (Non-reasoning, Low Effort)Anthropic | 2026-02-17 | 79.7% | 2026-09-28 | Quelle geprüft |
| 140 | EXAONE 4.5 33BOther | 2026-04-09 | 79.4% | 2026-09-28 | Quelle geprüft |
| 2 | Claude Sonnet 4.6Anthropic | 2026-02-17 | 77.2% | Artificial Analysis GPQA Diamond evaluation2026-06-09 | Prüfung nötig |
| 3 | GPT 5.5OpenAI | 2026-04-23 | 81.2% | GPQA Diamond paper leaderboard2026-05-15 | Quelle geprüft |
| 143 | Step 3.7 FlashStepFun | 2026-06-01 | 80.9% | 2026-09-28 | Quelle geprüft |
| 3 | DeepSeek V4 Pro MaxDeepSeek | 2026-04-24 | 75.6% | Artificial Analysis GPQA Diamond evaluation2026-06-09 | Prüfung nötig |
| 4 | Claude Opus 4.8Anthropic | 2026-05-28 | 79.8% | GPQA Diamond paper leaderboard2026-05-15 | Quelle geprüft |
| 146 | Claude 4 Opus (Reasoning)Anthropic | 2025-05-22 | 79.6% | 2026-09-28 | Quelle geprüft |
| 147 | Kimi K2.6 (Non-reasoning)Other | 2026-04-20 | 78.8% | 2026-09-28 | Quelle geprüft |
| 148 | LongCat-2.0Meituan | 2026-06-29 | 78% | 2026-09-28 | Quelle geprüft |
| 149 | Grok 4.20 0309 v2 (Non-reasoning)xAI | 2026-04-07 | 77.6% | 2026-09-28 | Quelle geprüft |
| 150 | GPT-5.5 (Non-reasoning)OpenAI | 2026-04-23 | 76.8% | 2026-09-28 | Quelle geprüft |
| 151 | MiMo-V2.5-Pro (Non-reasoning)Xiaomi | 2026-04-22 | 76.2% | 2026-09-28 | Quelle geprüft |
| 152 | North Mini CodeCohere | 2026-06-09 | 75.7% | 2026-09-28 | Quelle geprüft |
| 153 | Gemma 4 12B (Reasoning)Google | 2026-06-07 | 75.3% | 2026-09-28 | Quelle geprüft |
| 154 | Ling-2.6-1TOther | 2026-04-23 | 75.2% | 2026-09-28 | Quelle geprüft |
| 155 | Mistral Medium 3.5Mistral | 2026-04-29 | 74.8% | 2026-09-28 | Quelle geprüft |
| 156 | OpenAI o1OpenAI | 2024-09-12 | 74.7% | 2026-09-28 | Quelle geprüft |
| 157 | Nemotron 3.5 LightningNVIDIA | 2026-08-11 | 74.3% | 2026-09-28 | Quelle geprüft |
| 4 | Gemini 3.5 FlashGoogle | 2026-05-19 | 74.1% | Artificial Analysis GPQA Diamond evaluation2026-06-09 | Prüfung nötig |
| 5 | Qwen 3.7 MaxAlibaba | 2026-05-20 | 73.8% | Artificial Analysis GPQA Diamond evaluation2026-06-09 | Prüfung nötig |
| 160 | Ling 3.0 TinyOther | 2026-08-06 | 73.4% | 2026-09-28 | Quelle geprüft |
| 161 | Hy3-preview (Non-reasoning)Other | 2026-04-23 | 73.2% | 2026-09-28 | Quelle geprüft |
| 6 | Mistral Large 3Mistral | 2025-12-02 | 71.2% | Artificial Analysis GPQA Diamond evaluation2026-06-09 | Prüfung nötig |
| 163 | MiniCPM5-2BOpenBMB | 2026-09-07 | 70.2% | 2026-09-28 | Quelle geprüft |
| 7 | Llama 4 MaverickMeta | 2026-04-05 | 69.4% | Artificial Analysis GPQA Diamond evaluation2026-06-09 | Prüfung nötig |
| 165 | GLM-5.2 (Non-reasoning)Zhipu | 2026-06-16 | 68.6% | 2026-09-28 | Quelle geprüft |
| 166 | JT-MINIOther | 2026-04-15 | 67.6% | 2026-09-28 | Quelle geprüft |
| 167 | DiffusionGemma 26B A4BGoogle | 2026-06-10 | 66.9% | 2026-09-28 | Quelle geprüft |
| 168 | GLM-5 (Non-reasoning)Zhipu | 2026-02-11 | 66.6% | 2026-09-28 | Quelle geprüft |
| 169 | Gemma 4 12B (Non-reasoning)Google | 2026-06-10 | 66.1% | 2026-09-28 | Quelle geprüft |
| 170 | Grok 4.3 (Non-reasoning)xAI | 2026-04-30 | 65.8% | 2026-09-28 | Quelle geprüft |
| 171 | Granite 4.2 30BOther | 2026-08-25 | 64.4% | 2026-09-28 | Quelle geprüft |
| 172 | Granite 4.2 8BOther | 2026-08-25 | 63.1% | 2026-09-28 | Quelle geprüft |
| 173 | Ling 2.6 FlashOther | 2026-04-21 | 59.3% | 2026-09-28 | Quelle geprüft |
| 174 | Llama 4 ScoutMeta | 2026-04-05 | 58.7% | 2026-09-28 | Quelle geprüft |
| 175 | Granite 4.2 3BOther | 2026-08-25 | 55.9% | 2026-09-28 | Quelle geprüft |
| 176 | Command ACohere | 2026-03-15 | 52.7% | 2026-09-28 | Quelle geprüft |
| 177 | LFM2.5-8B-A1BLiquid | 2026-06-08 | 51.3% | 2026-09-28 | Quelle geprüft |
| 178 | Claude 3 OpusAnthropic | 2024-03-04 | 48.9% | 2026-09-28 | Quelle geprüft |
| 179 | Granite 4.1 30BOther | 2026-04-29 | 48.1% | 2026-09-28 | Quelle geprüft |
| 180 | Nemotron 3 Nano Omni 30B A3B ReasoningNVIDIA | 2026-04-29 | 46.9% | 2026-09-28 | Quelle geprüft |
| 181 | G9v3-3BOther | 2026-07-23 | 43.8% | 2026-09-28 | Quelle geprüft |
| 182 | MiniCPM-V 4.6 1.3BOpenBMB | 2026-05-11 | 30.5% | 2026-09-28 | Quelle geprüft |
| 183 | MiniCPM5-1B (Reasoning)OpenBMB | 2026-06-04 | 27.8% | 2026-09-28 | Quelle geprüft |
| 184 | MiniCPM5-1B (Non-reasoning)OpenBMB | 2026-05-25 | 26.9% | 2026-09-28 | Quelle geprüft |
Dieser Benchmark gehört zur Familie reasoning. Sein Format: 198 von Experten geprüfte Multiple-Choice-Fragen im Diamond-Satz; 'Google-sicher' konzipiert. Der Score sollte immer mit Aufgabenformat, Bewertungsmethode, Quelldatum und Benchmark-Version gelesen werden.
Promovierte Fachexperten erreichen ~65-74 % im eigenen Fach; geübte Laien mit Websuche ~34 %.
Jede Antwort unten stammt aus den datierten Feldern dieser Seite. Nichts davon ist zusätzlich für Suchmaschinen geschrieben.
GPQA Diamond erklärt: Google-sichere Q&A auf Graduiertenniveau in Biologie, Physik und Chemie. Die Items sind so geschrieben, dass Laien auch mit Websuche scheitern; Diamond ist die von Experten geprüfte schwere Teilmenge (198 Multiple-Choice-Fragen). Ein hoher Score heisst korrekte Antworten auf diesem Satz nach dem veröffentlichten Protokoll — keine allgemeine Note für Recherche-Assistenten.
Ein starkes GPQA Diamond-Ergebnis sagt nichts aus über:
Genauigkeit (% korrekt). Aufgabenformat: 198 von Experten geprüfte Multiple-Choice-Fragen im Diamond-Satz; 'Google-sicher' konzipiert.
GPQA Diamond ist im Atlas derzeit als Aktiv markiert. Kontext zur Obergrenze: Promovierte Fachexperten erreichen ~65-74 % im eigenen Fach; geübte Laien mit Websuche ~34 %.
Das Kontaminationsrisiko für GPQA Diamond ist als Kontamination niedrig eingestuft. Behandle jede Zeile auf dieser Seite als öffentliche Angabe mit Quelle und Datum, nicht als kontrolliertes Experiment.
The Pack · Redaktionsnewsletter
Eine kurze E-Mail, wenn eine Hochschule ihre KI-Regel für Abschlussarbeiten ändert oder ein Recherche-Tool Preise oder Datenschutz anpasst. Kein Tracking, keine Drittanbieter-Analytics. Abmeldung mit einem Klick.
Die KI-Checkliste für die Abschlussarbeit ist frei nutzbar, ohne Anmeldung →
