Benchmarks / Reasoning

GPQA Diamond (Epoch AI run)

Graduate-level science multiple choice (the diamond subset), run by Epoch AI. Accuracy. Data: Epoch AI, CC BY.

164models
–Open Index weight
–last updated
epoch-taskspublisher

GPQA Diamond (Epoch AI run)

Higher is better · best effort per model

Chart settings
164 of 164 selected

full table below

#ModelEffortScoreCost / taskHarness
1Gemini 4high96.4%–Epoch AI
2GPT-6 Astramax95.8%–Epoch AI
3Sonnet 5.5max95.6%–Epoch AI
4GPT-6.1 Solmax95.4%–Epoch AI
5Gemini 3.8 Flashhigh95.4%–Epoch AI
6Gemini 3.7 Flashhigh94.8%–Epoch AI
7GPT-5.4 Proxhigh94.6%–Epoch AI
8Gemini 3.1 Prohigh94.4%–Epoch AI
9GPT-6 Solmax94.3%–Epoch AI
10Gemini 3.6 Flashhigh94.1%–Epoch AI
11Grok 4.6high94.0%–Epoch AI
12GPT-5.5xhigh94.0%–Epoch AI
13GPT-5.5 Proxhigh93.9%–Epoch AI
14GPT-5.6 Solmax93.5%–Epoch AI
15Grok 4.5high93.4%–Epoch AI
16GPT-5.6 Terramax93.3%–Epoch AI
17GPT-5.4xhigh93.3%–Epoch AI
18Kimi K3max93.1%–Epoch AI
19Opus 5max92.9%–Epoch AI
20Gemini 3.5 Flashhigh92.8%–Epoch AI
21Grok 4.7xhigh92.7%–Epoch AI
22Gemini 3 Prohigh92.6%–Epoch AI
23Qwen 3.8 Maxxhigh92.3%–Epoch AI
24GLM 5.2max91.9%–Epoch AI
25DeepSeek V4 Pro 0813max91.7%–Epoch AI
26GPT-5.6 Lunamax91.6%–Epoch AI
27GPT-5.2xhigh91.4%–Epoch AI
28Opus 4.8max91.0%–Epoch AI
29DeepSeek V4 Flash 0731max91.0%–Epoch AI
30GLM 5.3max90.9%–Epoch AI
31MiniMax M3max90.9%–Epoch AI
32Qwen 3.7 Maxmax90.9%–Epoch AI
33DeepSeek V4 Prohigh90.9%–Epoch AI
34Kimi K2.6max90.8%–Epoch AI
35Opus 5.5max90.6%–Epoch AI
36Sonnet 5xhigh90.5%–Epoch AI
37GPT-6 Lunamax90.5%–Epoch AI
38GLM 5.3 Flashmax90.2%–Epoch AI
39Opus 4.7xhigh90.2%–Epoch AI
40GLM 5.1max89.9%–Epoch AI
41DeepSeek V4.1 Flashmax89.8%–Epoch AI
42Muse Spark–89.8%–Epoch AI
43Haiku 5.5max89.6%–Epoch AI
44Gemini 3 Flashhigh89.4%–Epoch AI
45Grok 4.20xhigh89.3%–Epoch AI
46Grok 4.3high88.8%–Epoch AI
47Inkling Smallxhigh88.5%–Epoch AI
48Qwen 3.6 Plusmax88.4%–Epoch AI
49Opus 4.6max88.4%–Epoch AI
50Inklingxhigh88.3%–Epoch AI
51Mistral Large 4high88.1%–Epoch AI
52Kimi K2.7 Codemax87.9%–Epoch AI
53Qwen 3.7 Plushigh87.9%–Epoch AI
54GLM 5high87.8%–Epoch AI
55GPT-5.1high87.6%–Epoch AI
56Kimi K2.5max87.6%–Epoch AI
57Qwen 3.6 Maxmax87.4%–Epoch AI
58Grok 4high87.0%–Epoch AI
59GPT-5.4 Minixhigh86.9%–Epoch AI
60Qwen 3.5 397B-A17Bnone86.4%–Epoch AI
61GPT-5high86.2%–Epoch AI
62Qwen 3.6 27Bmax85.9%–Epoch AI
63Fable 5max85.9%–Epoch AI
64Opus 4.5high85.5%–Epoch AI
65Nemotron 3 Ultra 550B A55Bmax85.4%–Epoch AI
66Gemini 2.5 Prohigh85.3%–Epoch AI
67Qwen 3.5 Plusnone84.8%–Epoch AI
68Qwen 3.6 35B-A3Bnone84.8%–Epoch AI
69Kimi K2medium84.2%–Epoch AI
70Qwen 3.5 35B-A3Blow83.5%–Epoch AI
71Qwen 3.6 Flashmax83.3%–Epoch AI
72Gemini 3.5 Flash-Litehigh83.3%–Epoch AI
73Sonnet 4.6high83.3%–Epoch AI
74GLM 4.7none83.3%–Epoch AI
75GPT-5.5 Instant–82.5%–Epoch AI
76Qwen 3.7 Flashmax82.3%–Epoch AI
77Qwen 3.5 Flashmax82.3%–Epoch AI
78o3high81.8%–Epoch AI
79Gemini 3.1 Flash-Litehigh81.8%–Epoch AI
80Qwen 3 235B-A22Bxhigh80.1%–Epoch AI
81o4 minihigh79.6%–Epoch AI
82Sonnet 4high79.2%–Epoch AI
83Qwen 3.5 9Blow79.0%–Epoch AI
84Sonnet 4.5high78.8%–Epoch AI
85GPT-5.4 Nanohigh78.5%–Epoch AI
86o3 minihigh77.0%–Epoch AI
87o1high76.8%–Epoch AI
88Opus 4.1high76.8%–Epoch AI
89Grok 3 Minilow76.3%–Epoch AI
90Opus 4medium76.3%–Epoch AI
91Gemma 4 31B ITminimal75.8%–Epoch AI
92gpt-oss-120bhigh75.8%–Epoch AI
93Grok 3none75.8%–Epoch AI
94GPT-5 Minihigh75.0%–Epoch AI
95Gemma 4 26Bminimal73.2%–Epoch AI
96Qwen 3 Maxmax72.6%–Epoch AI
97DeepSeek V3.2high71.2%–Epoch AI
98Haiku 4.5xhigh71.2%–Epoch AI
99Qwen 3high70.7%–Epoch AI
100Qwen 3 30B-A3Bnone70.1%–Epoch AI
101GPT-5 Nanohigh69.4%–Epoch AI
102GPT-4.5none68.7%–Epoch AI
103DeepSeek V3none67.6%–Epoch AI
104Llama 4 Maverickmedium67.0%–Epoch AI
105GPT-4.1high66.9%–Epoch AI
106Sonnet 3.7medium66.0%–Epoch AI
107GPT-4.1 Minihigh65.8%–Epoch AI
108Gemini 2.0 Pronone65.7%–Epoch AI
109DeepSeek R1xhigh64.1%–Epoch AI
110o1 minihigh62.4%–Epoch AI
111gpt-oss-20bmedium60.8%–Epoch AI
112Mistral Medium 3none59.5%–Epoch AI
113Gemini 2.0 Flashmedium57.1%–Epoch AI
114Qwen 2.5 Maxnone56.1%–Epoch AI
115Magistral Small 1.0–56.1%–Epoch AI
116Qwen 3 32Bnone54.1%–Epoch AI
117Grok 2none53.8%–Epoch AI
118Qwen 3 14Bnone53.4%–Epoch AI
119Llama 4 Scoutmedium51.8%–Epoch AI
120Mistral Large 2none51.3%–Epoch AI
121Llama 3.1 405bnone50.9%–Epoch AI
122Qwen 2.5 72Bnone49.1%–Epoch AI
123Mistral Small 3.2none49.1%–Epoch AI
124GPT-4.1 Nanohigh48.9%–Epoch AI
125GPT-4ohigh47.9%–Epoch AI
126Gemma 3 27Bnone47.7%–Epoch AI
127Magistral Small 1.2–47.6%–Epoch AI
128Qwen 3 8Bnone47.5%–Epoch AI
129Llama 3.3 70bnone47.4%–Epoch AI
130Mistral Small 3none47.3%–Epoch AI
131Opus 3none47.2%–Epoch AI
132Qwen 2.5 32Bnone46.1%–Epoch AI
133Gemini 1.5 Pronone45.9%–Epoch AI
134Qwen 3 4Bnone45.8%–Epoch AI
135GLM 4.7 Flashnone45.1%–Epoch AI
136Llama 3.1 70bnone44.2%–Epoch AI
137Mistral Small 3.1none41.9%–Epoch AI
138Llama 3.2 90bnone41.0%–Epoch AI
139Qwen 2 72Bnone40.8%–Epoch AI
140Sonnet 3none40.6%–Epoch AI
141Gemma 3 12Bnone39.5%–Epoch AI
142Mistral Largenone38.8%–Epoch AI
143GPT-4o minihigh37.7%–Epoch AI
144Llama 3 70bnone37.5%–Epoch AI
145Gemma 2 27B–36.5%–Epoch AI
146Haiku 3medium36.3%–Epoch AI
147GPT-4high35.7%–Epoch AI
148Qwen 2.5 7B–35.5%–Epoch AI
149Gemini 1.0 Pronone34.0%–Epoch AI
150Gemini 1.5 Flashnone33.0%–Epoch AI
151Qwen 1.5 32B–30.7%–Epoch AI
152Qwen 3.1none30.6%–Epoch AI
153Mixtral 8x7B Instructnone30.6%–Epoch AI
154Qwen 1.5 72B–28.8%–Epoch AI
155GPT-3.5high28.0%–Epoch AI
156Gemma 2 9B–27.5%–Epoch AI
157Llama 3.1 8bmedium27.0%–Epoch AI
158Llama 2 70bnone26.3%–Epoch AI
159Llama 3 8bnone26.1%–Epoch AI
160Llama 3.2 1bnone23.9%–Epoch AI
161Gemma 3 4Bnone23.2%–Epoch AI
162Gemma 3 1Bnone19.9%–Epoch AI
163Mistralnone15.2%–Epoch AI
164DeepSeek R1.0528–9.3%–Epoch AI