orbis研究生科学GPQA Diamond：物理、化学、生物领域研究生水平的选择题，正确率计分。
研究生科学排名270
第一梯队44 个模型与第 1 名在 95% 置信区间内无显著差异，名次先后不代表确定的强弱。
名次模型思考强度GPQA Diamond· 95% 区间
01
思考强度：High
Gemini 4 Argon
gemini-4-argon_high
02
思考强度：Max
GPT 6 Astra
gpt-6-astra_max
03
思考强度：Max
Claude Sonnet 5.5
claude-sonnet-5-5_max
04
思考强度：High
Gemini 3.8 Flash
gemini-3.8-flash_high
04
思考强度：Max
GPT 6.1 Sol
gpt-6.1-sol_max
06
思考强度：High
Gemini 3.7 Flash
gemini-3.7-flash_high
07
思考强度：XHigh
GPT 5.4 Pro (2026-03-05)
gpt-5.4-pro-2026-03-05_xhigh
08
思考强度：High
Gemini 3.1 Pro Preview
gemini-3.1-pro-preview_high
09
思考强度：Max
GPT 6 Sol
gpt-6-sol_max
10
思考强度：High
Gemini 3.6 Flash
gemini-3.6-flash_high
11
思考强度：—
Gemini 3.1 Pro Preview
gemini-3.1-pro-preview
12
思考强度：High
Grok 4.6
grok-4.6_high
12
思考强度：XHigh
GPT 5.5 Pre Release
gpt-5.5-pre-release_xhigh
14
思考强度：XHigh
GPT 5.5 Pro Pre Release
gpt-5.5-pro-pre-release_xhigh
15
思考强度：Max
Claude Opus 5
claude-opus-5_max
16
思考强度：Max
GPT 5.6 Sol
gpt-5.6-sol_max
17
思考强度：High
Grok 4.5
grok-4.5_high
18
思考强度：Max
GPT 5.6 Terra
gpt-5.6-terra_max
19
思考强度：XHigh
GPT 5.4 (2026-03-05)
gpt-5.4-2026-03-05_xhigh
20
思考强度：XHigh
Grok 4.6
grok-4.6_xhigh
待接入
有 7 天前的可比快照后显示周变化。