Was ist GPQA Diamond?

GPQA Diamond ist ein Multiple-Choice-Leistungstest auf Graduiertenniveau in Biologie, Physik und Chemie. Jede Frage wird von einem Fachexperten verfasst und so gestaltet, dass selbst Spezialisten des jeweiligen Fachgebiets sorgfältig nachdenken müssen, um die richtige Antwort zu ermitteln.

Wie bewertet OpenRouter ein Modell bei GPQA Diamond?

Jedes Modell beantwortet denselben festen Fragensatz über echte Anbieter-Endpunkte, und die Ergebnisse werden über wiederholte Durchläufe hinweg aggregiert. Der Hauptwert eines Modells ist ein einzelnes repräsentatives Ergebnis und nicht das Ergebnis seines leistungsstärksten Anbieters, und die Angaben zu Kosten, Zeit und Ausgabe-Token sind Durchschnittswerte pro Frage aus denselben Durchläufen.

Warum erzielen zwei Anbieter, die dasselbe Modell bereitstellen, unterschiedliche Bewertungen?

Jeder Durchlauf erfolgt über einen echten Anbieter-Endpunkt, sodass das Verhalten des Anbieters Teil der Messung ist. Ein großer Genauigkeitsunterschied zwischen Anbietern, die dasselbe Modell bereitstellen, deutet in der Regel auf einen falsch konfigurierten oder beeinträchtigten Endpunkt hin und nicht auf die Fragen.

Kann ich diese Bewertungen programmatisch abrufen?

Ja. Die öffentliche API für Leistungsvergleiche liefert mit einem API-Schlüssel dieselben Ergebnisse auf Modellebene über GET https://openrouter.ai/api/v1/benchmarks?source=openrouter. Filtern Sie mit task_type=intelligence, um gpqa_diamond zu erreichen.

Was kann mir ein GPQA-Diamond-Ergebnis nicht sagen?

Es handelt sich um eine eng gefasste Evaluierung mit hohem Schwierigkeitsgrad und nicht um ein Maß für die allgemeine Nützlichkeit. Die Ergebnisse reagieren empfindlich auf Sampling-Einstellungen, die Handhabung der Antwortposition und die Anzahl wiederholter Durchläufe, sodass kleine Unterschiede zwischen Modellen mit ähnlicher Stichprobenanzahl möglicherweise nicht aussagekräftig sind.

Alle Leistungsvergleiche

GPQA Diamond

GPQA Diamond ist ein Multiple-Choice-Leistungstest auf Graduiertenniveau in Biologie, Physik und Chemie. Jede Frage wird von einem Fachexperten verfasst und so konzipiert, dass selbst Spezialisten des jeweiligen Fachgebiets sorgfältig nachdenken müssen, um die richtige Antwort zu finden. Wir führen denselben festen Fragensatz auf den Endpunkten der Anbieter aus, um die Leistungsfähigkeit der Modelle, das Routing und die tatsächlichen Kosten für die Lösung schwieriger wissenschaftlicher Probleme zu vergleichen.

Letzter Vergleichstestlauf 02.11.2026, 17:25 UTC

Publikation GitHub

Welches Modell führt im GPQA Diamond-Leistungstest?

Google: Gemini 4 Argon führt GPQA Diamond mit 96,5 % zum Stand vom 02.11.2026, 17:25 UTC an. Derselbe feste GPQA-Diamond-Fragensatz und dieselbe Bewertung bleiben über alle produktiven Anbieter-Endpunkte hinweg unverändert. Die hervorgehobene Zeile verwendet das Standard-Routing, sofern verfügbar; andernfalls verwendet sie ein repräsentatives Anbieterergebnis.

Rangliste

Zeilen der obersten Ebene verwenden das Standard-Routing, sofern verfügbar; klicken Sie auf eine Zeile, um die Ergebnisse mit festgelegtem Anbieter aufzuklappen.

GPQA Diamond-Rangliste: Modellgenauigkeit, Kosten, Zeit und Ausgabe-Token pro Frage nach Anbieter
#	Modell		Standardabw.
1	Google: Gemini 4 Argon Pareto Google	96,5 %	--	0,095 $	1,7m	8,44k
2	Gemini 4 Argon Pareto	96,0 %	--	0,029 $	40s	2,87k
3	Google: Gemini 3.8 Flash	95,6 %	--	0,068 $	2,2m	18k
4	OpenAI: GPT-6 Astra Pro	95,5 %	--	0,33 $	75s	4,53k
5	Fugu Ultra	94,6 %	--	1,15 $	5,5m	33,3k
6	Google: Gemini 3.1 Pro Preview	94,5 %	±0,1Prozentpunkte	0,20 $	2,2m	16,7k
7	OpenAI: GPT-6 Astra	94,4 %	--	0,11 $	57s	2,11k
8	OpenAI: GPT-6.1 Sol Pareto	94,4 %	--	0,021 $	52s	1,98k
9	OpenAI: GPT-5.6 Sol Pro	94,1 %	--	0,15 $	1,6m	11,6k
10	OpenAI: GPT-5.5	93,9 %	±0,3Prozentpunkte	0,31 $	2,5m	10,3k
11	Google: Gemini 3.7 Flash	93,9 %	±0,4Prozentpunkte	0,029 $	59s	7,68k
12	Gemini 3.8 Flash	93,4 %	--	0,023 $	44s	6,13k
13	Fugu Ultra V2	93,3 %	--	0,50 $	3,2m	13,8k
14	TypeSafe: Jev Router	93,3 %	±0,5Prozentpunkte	0,035 $	58s	6,07k
15	SpaceXAI: Grok 4.6	92,8 %	±0,4Prozentpunkte	0,12 $	6,0m	20,3k
16	Anthropic: Claude Sonnet 5.5	92,8 %	±0,6Prozentpunkte	0,025 $	20s	2,28k
17	Google: Gemini 3.6 Flash	92,8 %	±0,5Prozentpunkte	0,044 $	62s	11,7k
18	OpenAI: GPT-5.6 Sol	92,4 %	±0,0Prozentpunkte	0,039 $	63s	3,71k
19	Pareto 26.10 Preview Pareto	92,4 %	--	0,003 $	38s	904
20	Google: Gemini 3.5 Flash	92,3 %	±0,1Prozentpunkte	0,14 $	90s	15,8k
21	NVIDIA: Switchyard	92,2 %	±3,2Prozentpunkte	0,018 $	48s	2,51k
22	OpenAI: GPT-6 Sol	91,9 %	--	0,025 $	32s	2,37k
23	OpenAI: GPT-6.1 Terra	91,9 %	±0,3Prozentpunkte	0,013 $	21s	2,13k
24	MoonshotAI: Kimi K3	91,9 %	±1,0Prozentpunkte	0,13 $	4,4m	10,4k
25	GPT-6.1-Terra	91,4 %	--	0,008 $	21s	1,4k
26	GLM 5.3 Flash digitalocean	90,9 %	--	0,005 $	3,9m	10,7k
27	Qwen: Qwen3.7 Max AtlasCloud	90,9 %	--	0,22 $	5,0m	29,4k
28	Kimi K3.1 Pro	90,4 %	--	0,021 $	58s	2,04k
29	MiniMax: MiniMax M3	90,3 %	±1,8Prozentpunkte	0,034 $	5,2m	30,3k
30	DeepSeek: DeepSeek V4 Pro 0813	90,3 %	±1,7Prozentpunkte	0,11 $	9,1m	37,3k
31	OpenAI: GPT-5.4	90,2 %	±0,0Prozentpunkte	0,14 $	2,5m	9,46k
32	Anthropic: Claude Opus 5.5	90,2 %	±0,5Prozentpunkte	0,054 $	30s	2,5k
33	Meta: Muse Spark Open	90,2 %	±0,4Prozentpunkte	0,074 $	2,3m	17,1k
34	Deepseek V4.1 Flash 1017	90,2 %	--	0,007 $	73s	11,6k
35	DeepSeek: DeepSeek V4.1 Flash 1017	90,1 %	±0,7Prozentpunkte	0,011 $	2,0m	19,4k
36	Anthropic: Claude Fable 5.1	89,9 %	±0,7Prozentpunkte	0,13 $	31s	2,4k
37	GPT-6-Luna	89,8 %	--	0,003 $	73s	6,83k
38	Tencent: Hy4 preview	89,8 %	±0,6Prozentpunkte	0,12 $	13,8m	47,5k
39	Anthropic: Claude Opus 4.8	89,7 %	±1,1Prozentpunkte	0,20 $	1,6m	7,8k
40	OpenAI: GPT-5.6 Luna Pro	89,6 %	±0,3Prozentpunkte	0,038 $	2,4m	27k
41	Anthropic: Claude Opus 4.7	89,5 %	±0,9Prozentpunkte	0,23 $	1,8m	9,04k
42	DeepSeek: DeepSeek V4.1 Flash	89,1 %	±0,8Prozentpunkte	0,023 $	4,1m	30,7k
43	Xiaomi: MiMo-V2.6-Pro	88,8 %	±0,4Prozentpunkte	0,033 $	12,5m	38k
44	Amazon: Nova Micro 1.0	88,6 %	±0,3Prozentpunkte	0,22 $	1,8m	8,64k
45	Fugu Max	88,6 %	--	0,076 $	3,8m	12,3k
46	Qwen: Qwen3.8 Flash	88,6 %	--	0,021 $	11,2m	45,5k
47	Google: Gemini 3 Flash Preview	88,5 %	±0,1Prozentpunkte	0,13 $	4,2m	43,9k
48	OpenAI: GPT-5.6 Terra	88,4 %	±0,0Prozentpunkte	0,041 $	55s	3,32k
49	OpenAI: GPT-6 Luna Pro	88,4 %	--	0,008 $	73s	13,1k
50	Reflection: Beam 1.0 501B A23B	88,4 %	±0,0Prozentpunkte	0,015 $	71s	13,6k
51	DeepSeek: DeepSeek V4 Flash Vision Exp	88,0 %	±1,1Prozentpunkte	0,023 $	3,9m	25,3k
52	Anthropic: Claude Opus 5	88,0 %	±1,8Prozentpunkte	0,13 $	62s	4,86k
53	Auto Router	88,0 %	±2,6Prozentpunkte	0,089 $	3,3m	37,4k
54	Deepseek V4.1 Flash	87,9 %	--	0,011 $	2,1m	14,3k
55	Mimo V2.6 Pro	87,9 %	--	0,012 $	5,3m	14,2k
56	Qwen: Qwen3.7 Plus Alibaba	87,9 %	--	0,044 $	9,8m	34,2k
57	MiniMax: MiniMax M3.1 Flash	87,6 %	±0,9Prozentpunkte	0,014 $	2,9m	26k
58	OpenAI: GPT-5.6 Luna	87,6 %	±0,6Prozentpunkte	0,009 $	83s	7,69k
59	Qwen: Qwen3.8 2.4T A95B	87,4 %	±1,4Prozentpunkte	0,091 $	3,3m	14,8k
60	OpenAI: GPT-6 Luna Pareto	87,4 %	--	0,003 $	50s	5,75k
61	DeepSeek: DeepSeek V4 Pro 0423	87,1 %	±1,7Prozentpunkte	0,042 $	11,1m	35,2k
62	Anthropic: Claude Fable 5	86,8 %	±4,0Prozentpunkte	0,18 $	44s	3,39k
63	NVIDIA: Nemotron 3.5 Super VL	86,8 %	±1,0Prozentpunkte	0,022 $	8,7m	46,3k
64	DeepSeek: DeepSeek V4 Flash 0731	86,8 %	±2,5Prozentpunkte	0,008 $	7,1m	25,9k
65	Anthropic: Claude Haiku 5.5	86,7 %	±0,5Prozentpunkte	0,004 $	39s	7,89k
66	OpenAI: GPT-5.1	86,7 %	±0,0Prozentpunkte	0,22 $	4,4m	22,2k
67	Thinking Machines: Inkling Small	86,6 %	±0,8Prozentpunkte	0,025 $	3,9m	20,8k
68	Anthropic: Claude Opus 4.6	86,5 %	±1,4Prozentpunkte	0,75 $	8,4m	29,8k
69	MoonshotAI: Kimi K2.7 Code	86,4 %	±1,8Prozentpunkte	0,099 $	8,0m	26,4k
70	Anthropic: Claude Opus 4.5	86,4 %	±1,0Prozentpunkte	0,84 $	6,9m	33,5k
71	MoonshotAI: Kimi K2.6	86,4 %	±3,9Prozentpunkte	0,17 $	16,1m	55,8k
72	DeepSeek: DeepSeek V4 Flash 0423	85,7 %	±0,9Prozentpunkte	0,006 $	8,6m	30,9k
73	OpenAI: GPT-5	85,7 %	±0,3Prozentpunkte	0,21 $	4,4m	20,9k
74	Qwen: Qwen3.5 397B A17B	85,4 %	±2,8Prozentpunkte	0,076 $	8,0m	23k
75	Z.ai: GLM 5.3	85,4 %	±1,3Prozentpunkte	0,10 $	7,6m	31,8k
76	MiniMax: MiniMax M2.7	85,1 %	±2,3Prozentpunkte	0,047 $	10,6m	38,2k
77	Anthropic: Claude Sonnet 5	85,0 %	±4,6Prozentpunkte	0,17 $	2,8m	16,5k
78	inclusionAI: Ling 3.0 Flash VL Pareto	84,8 %	--	0,001 $	88s	17,5k
79	Z.ai: GLM 5.2	84,7 %	±1,7Prozentpunkte	0,13 $	7,9m	48,6k
80	MoonshotAI: Kimi K2.5	84,6 %	±4,3Prozentpunkte	0,100 $	19,9m	39,6k
81	Google: Gemini 3.5 Flash Lite	84,4 %	±0,9Prozentpunkte	0,036 $	53s	14,5k
82	Z.ai: GLM 5.3 Flash	84,1 %	±2,4Prozentpunkte	0,014 $	8,8m	40,1k
83	OpenAI: GPT-5.4 Mini	83,8 %	±0,6Prozentpunkte	0,062 $	75s	13,6k
84	Qwen: Qwen3.5-122B-A10B	83,6 %	±3,3Prozentpunkte	0,054 $	4,1m	23k
85	Thinking Machines: Inkling	83,4 %	±1,1Prozentpunkte	0,095 $	4,9m	23,4k
86	Qwen: Qwen3.6 27B	82,7 %	±4,2Prozentpunkte	0,087 $	12,6m	31,5k
87	Google: Gemini 2.5 Pro	82,6 %	±1,6Prozentpunkte	0,26 $	3,9m	26k
88	Xiaomi: MiMo-V2.5-Pro	82,4 %	±6,0Prozentpunkte	0,029 $	11,7m	29,7k
89	GLM 5.3 digitalocean	82,3 %	--	0,026 $	2,7m	9,04k
90	Google: Gemini 3.1 Flash Lite	82,1 %	±2,4Prozentpunkte	0,041 $	83s	27k
91	Qwen: Qwen3.8 27B	81,9 %	±1,4Prozentpunkte	0,034 $	3,5m	13,9k
92	Z.ai: GLM 4.7	81,9 %	±2,9Prozentpunkte	0,088 $	17,2m	43,3k
93	Anthropic: Claude Sonnet 4.5	81,8 %	±1,2Prozentpunkte	0,31 $	4,8m	20,8k
94	Google: Gemma 4 31B	81,7 %	±1,6Prozentpunkte	0,007 $	8,3m	18,4k
95	inclusionAI: Ling 3.1 Flash	81,3 %	--	0,008 $	5,9m	33,9k
96	MiniMax: MiniMax M2.5	81,2 %	±2,9Prozentpunkte	0,027 $	8,5m	24,5k
97	DeepSeek: DeepSeek V3.2	81,2 %	±2,4Prozentpunkte	0,009 $	9,4m	19,2k
98	Z.ai: GLM 5.1	81,0 %	±1,7Prozentpunkte	0,23 $	17,2m	61,9k
99	OpenAI: GPT-5 Mini	81,0 %	±2,2Prozentpunkte	0,045 $	3,5m	22,4k
100	Meta: Muse Glimmer 30B	80,6 %	±1,4Prozentpunkte	0,023 $	4,2m	17,5k
101	Qwen: Qwen3.5-35B-A3B	80,5 %	±4,1Prozentpunkte	0,027 $	5,3m	25,7k
102	Qwen: Qwen3.6 35B A3B	79,8 %	±4,0Prozentpunkte	0,043 $	8,1m	42,6k
103	Anthropic: Claude Sonnet 4	78,6 %	--	0,26 $	3,0m	17,4k
104	Xiaomi: MiMo-V2.5	78,0 %	±4,4Prozentpunkte	0,013 $	12,9m	38,6k
105	Z.ai: GLM 5	77,9 %	±5,4Prozentpunkte	0,16 $	15,8m	66,2k
106	OpenAI: GPT-5.4 Nano	77,7 %	±0,4Prozentpunkte	0,013 $	64s	10,3k
107	Qwen: Qwen3.5-9B	77,6 %	±1,9Prozentpunkte	0,006 $	11,1m	36,6k
108	Qwen: Qwen3 235B A22B Thinking 2507	77,0 %	±2,3Prozentpunkte	0,057 $	10,2m	22,8k
109	DeepSeek: R1 0528	76,9 %	±3,6Prozentpunkte	0,052 $	14,6m	23,2k
110	DeepSeek: DeepSeek V3.1 Terminus	76,0 %	±1,2Prozentpunkte	0,016 $	8,0m	16,4k
111	Mistral: Mistral Small 4	75,8 %	--	0,015 $	2,9m	24k
112	Z.ai: GLM 4.6	75,6 %	±4,0Prozentpunkte	0,056 $	17,5m	28,9k
113	inclusionAI: Ling 3.0 Flash	74,9 %	±1,9Prozentpunkte	0,003 $	2,8m	31k
114	Qwen: Qwen3 Coder Next	74,6 %	±1,0Prozentpunkte	0,015 $	1,8m	14,5k
115	Xiaomi: MiMo-V2.6-Flash	73,2 %	±2,4Prozentpunkte	0,016 $	11,2m	60,9k
116	OpenAI: gpt-oss-120b	73,2 %	±2,4Prozentpunkte	0,006 $	6,4m	21,2k
117	Anthropic: Claude Haiku 4.5	72,9 %	±0,9Prozentpunkte	0,19 $	4,0m	37,9k
118	Google: Gemini 2.5 Flash	72,8 %	±0,4Prozentpunkte	0,061 $	2,0m	24,2k
119	Qwen: Qwen3 235B A22B Instruct 2507	72,5 %	±1,5Prozentpunkte	0,006 $	5,1m	8,05k
120	Qwen: Qwen3 Next 80B A3B Instruct	71,3 %	±0,9Prozentpunkte	0,011 $	1,6m	10,2k
121	Google: Gemma 4 26B A4B	70,6 %	±4,6Prozentpunkte	0,015 $	16,1m	49,4k
122	OpenAI: GPT-5 Nano	70,5 %	±0,4Prozentpunkte	0,013 $	3,9m	33,3k
123	NVIDIA: Nemotron 3.5 Lightning	70,4 %	±2,6Prozentpunkte	0,009 $	6,1m	45,4k
124	Anthropic: Claude Sonnet 4.6	69,3 %	±13,9Prozentpunkte	0,62 $	10,7m	41k
125	Qwen: Qwen3 VL 235B A22B Instruct	69,1 %	±2,1Prozentpunkte	0,010 $	4,5m	6,54k
126	Z.ai: GLM 4.6V	66,8 %	--	0,014 $	5,4m	15,3k
127	Meta: Llama 4 Maverick	66,6 %	±0,6Prozentpunkte	0,003 $	81s	2,99k
128	DeepSeek: DeepSeek V3.1	66,0 %	±13,1Prozentpunkte	0,015 $	7,3m	12,9k
129	IBM: Granite 4.2 8B	65,7 %	--	0,015 $	28,6m	64,4k
130	OpenAI: GPT-4.1 Mini	65,2 %	±1,3Prozentpunkte	0,004 $	27s	2,41k
131	OpenAI: gpt-oss-20b	64,9 %	±2,3Prozentpunkte	0,007 $	10,4m	43,8k
132	Qwen: Qwen3 VL 30B A3B Instruct	64,2 %	±1,4Prozentpunkte	0,007 $	4,0m	11,4k
133	Qwen: Qwen3 30B A3B Instruct 2507	64,2 %	±1,3Prozentpunkte	0,003 $	2,5m	9,77k
134	OpenAI: GPT-4.1	63,7 %	±0,4Prozentpunkte	0,016 $	15s	1,75k
135	NVIDIA: Nemotron 3 Nano 30B A3B	62,9 %	±2,1Prozentpunkte	0,017 $	10,5m	83,9k
136	DeepSeek: DeepSeek V3	62,1 %	±1,2Prozentpunkte	0,002 $	65s	2,17k
137	Qwen: Qwen3 30B A3B DeepInfra	60,9 %	--	0,008 $	5,0m	15,4k
138	Qwen: Qwen3 32B	60,7 %	±1,1Prozentpunkte	0,008 $	5,3m	17,3k
139	Qwen: Qwen3 Coder 480B A35B	60,4 %	±0,8Prozentpunkte	0,003 $	58s	2,12k
140	Qwen: Qwen3 14B	59,2 %	±0,3Prozentpunkte	0,003 $	8,7m	11,7k
141	Google: Gemini 2.5 Flash Lite	55,2 %	±0,5Prozentpunkte	0,018 $	1,9m	44,3k
142	DeepSeek: DeepSeek V3 0324	54,8 %	±7,0Prozentpunkte	0,005 $	2,0m	4,61k
143	Qwen: Qwen3 VL 8B Instruct PrimeIntellect	53,9 %	--	0,005 $	2,0m	11,8k
144	Z.ai: GLM 4.7 Flash	52,4 %	±0,8Prozentpunkte	0,017 $	12,7m	42,5k
145	OpenAI: GPT-4o (2024-08-06)	52,0 %	±0,3Prozentpunkte	0,018 $	16s	1,56k
146	Qwen: Qwen3 Coder 30B A3B Instruct	51,9 %	±0,3Prozentpunkte	0,003 $	1,8m	2,73k
147	OpenAI: GPT-4o	51,1 %	±0,1Prozentpunkte	0,013 $	13s	1,12k
148	inclusionAI: Ling 3.0 Flash Fin	50,5 %	--	0,010 $	11,7m	64,8k
149	OpenAI: GPT-4.1 Nano Pareto	49,1 %	±0,9Prozentpunkte	0,00084 $	23s	1,9k
150	Meta: Llama 3.3 70B Instruct	47,6 %	±0,9Prozentpunkte	0,001 $	79s	2,35k
151	Qwen2.5 72B Instruct	46,0 %	±1,3Prozentpunkte	0,001 $	1,6m	1,85k
152	OpenAI: GPT-4o-mini	43,6 %	±0,7Prozentpunkte	0,001 $	22s	1,48k
153	Qwen: Qwen2.5 VL 72B Instruct	42,9 %	--	0,002 $	59s	1,66k
154	Tencent: Hy-MT2-30B-A3B Pareto Reka	38,9 %	--	0,00023 $	9s	711
155	Google: Gemma 3 12B	38,0 %	±1,2Prozentpunkte	0,00038 $	52s	2,26k
156	Meta: Llama 3.2 3B Instruct Cloudflare	28,6 %	--	0,00059 $	15s	1,64k
157	Meta: Llama 3.1 8B Instruct	28,0 %	±2,0Prozentpunkte	0,001 $	2,4m	17,6k
158	Sao10K: Llama 3 8B Lunaris Pareto	27,7 %	±0,1Prozentpunkte	0,000062 $	9s	580
159	Google: Gemma 3 4B Parasail	27,1 %	--	0,00011 $	11s	1,8k
160	Google: Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)	10,3 %	±0,0Prozentpunkte	0,018 $	22s	11,8k

Beispielaufgaben

GPQA verwendet Fragen mit vier Antwortmöglichkeiten, die mehr erfordern als das Abrufen einer Definition. Diese repräsentativen Beispiele zeigen das Format und die Bandbreite wissenschaftlicher Fachgebiete, ohne Fragen aus dem geschützten Fragenpool des Leistungstests wiederzugeben.

Biology

A researcher observes that a membrane protein is synthesized on ribosomes attached to the rough endoplasmic reticulum. Which destination is most consistent with this protein entering the secretory pathway?

A.The cytosol, where it remains soluble
B.The nucleus, after import through a nuclear pore
C.A membrane of the endomembrane system or the cell surface
D.The mitochondrial matrix through a TOM/TIM complex

Antwort: C

Ribosomes on the rough ER synthesize proteins destined for secretion or insertion into the endomembrane system, including the plasma membrane.

Physics

A spacecraft is far from other bodies and fires its engine in the direction opposite to its velocity. Ignoring mass loss during the brief burn, what happens immediately to its speed?

A.It increases because the exhaust carries away backward momentum
B.It decreases because the thrust points opposite to its velocity
C.It remains unchanged because thrust only changes direction
D.It becomes zero because the spacecraft is in free space

Antwort: B

An impulse opposite the velocity vector reduces the spacecraft’s momentum and therefore its speed during the burn.

Chemistry

Why does adding a small amount of a common ion generally reduce the solubility of a sparingly soluble ionic solid in water?

A.The common ion increases the solid’s lattice energy
B.The common ion shifts the dissolution equilibrium toward the solid
C.The common ion converts every dissolved ion into a neutral molecule
D.The common ion removes solvent molecules from the solution

Antwort: B

The added ion raises the concentration of a dissolution product, so Le Chatelier’s principle shifts the equilibrium toward the undissolved solid.

Warum wir diesen Leistungsvergleich durchführen

GPQA ist ein breit angelegter Test des logischen Denkens auf Graduiertenniveau in Biologie, Physik und Chemie und liefert uns daher ein kostengünstiges Signal mit hohem Mindestniveau dafür, dass eine Bereitstellung ordnungsgemäß funktioniert. Wenn ein Modell diese Fragen normalerweise bewältigt, aber plötzlich deutlich schlechter abschneidet, deutet dies meist auf einen Fehler im Endpunkt oder Routing hin und nicht auf die Fragen selbst.

Da wir denselben festen Fragensatz über Anbieter-Endpunkte hinweg ausführen, lassen sich anhand großer Genauigkeitsunterschiede zwischen Anbietern desselben Modells falsch konfigurierte oder beeinträchtigte Endpunkte schnell erkennen. Die Spalten für Kosten und Latenz zeigen, was die Bereitstellung dieser Qualität des logischen Denkens kostet.

Was die Bewertungen aussagen können und was nicht

GPQA ist eine eng gefasste Evaluation mit hohem Schwierigkeitsgrad und kein umfassendes Maß für allgemeine Intelligenz oder Nützlichkeit. Ein Ergebnis spiegelt die Leistung bei wissenschaftlichen Multiple-Choice-Fragen wider, die von Fachleuten verfasst wurden, und sollte zusammen mit Evaluationen zu Programmierung, Befolgung von Anweisungen, Faktentreue und anderen Bereichen betrachtet werden.

Ergebnisse können empfindlich auf Sampling-Einstellungen, den Umgang mit Antwortpositionen und die Anzahl wiederholter Durchläufe reagieren. Kleine Unterschiede sind bei Modellen mit ähnlichen Stichprobenumfängen möglicherweise nicht aussagekräftig, weshalb die Rangliste die Schwankungen zwischen Durchläufen und den Kostenkontext einbezieht, statt nur die Genauigkeit darzustellen.

Der Vergleichstest ist öffentlich beschrieben, und einige Fragen könnten irgendwann in Trainingsdaten auftauchen. Wir verzichten hier darauf, den privaten Fragenpool wiederzugeben, doch kein öffentlicher Vergleichstest kann garantieren, dass jede künftige Evaluationsaufgabe frei von Kontamination ist.

Methodik

Die Bewertungen aggregieren erfolgreiche Durchläufe der letzten 90 Tage, gewichtet nach Fragenanzahl, mit einer Mindeststichprobengröße pro Modell-Anbieter-Paar. Die Hauptbewertung eines Modells verwendet das Standard-Routing, sofern verfügbar; andernfalls wird der Median der Anbieter verwendet. Kosten, Zeit und Ausgabe-Token sind Durchschnittswerte pro Frage aus denselben Durchläufen. Das beste Preis-Leistungs-Verhältnis bietet das günstigste Pareto-optimale Modell innerhalb von fünf Prozentpunkten der höchsten Bewertung.

GPQA Diamond wird beschrieben in der Originalpublikation. Details zum Routing finden Sie in der Dokumentation , oder durchsuchen Sie alle Modelle , um eines auszuprobieren.

API-Zugriff

Diese Bewertungen sind über die öffentliche API für Leistungsvergleiche von OpenRouter verfügbar, sodass Sie dieselben Ergebnisse auf Modellebene programmatisch abrufen können.

GET https://openrouter.ai/api/v1/benchmarks?source=openrouter
Authorization: Bearer <API key>

Verwenden Sie task_type=intelligence zum Filtern nach gpqa_diamond. Jeder Eintrag steht für ein Modell und enthält accuracy, accuracy_stddev, avg_cost_per_task, total_tasks und last_run_timestamp. Sehen Sie sich die API-Dokumentation zu Leistungsvergleichen an.

Herunterladen und zitieren

Ein Schnappschuss dieser Rangliste wird im benchmark-leaderboard offenen Datensatz veröffentlicht (filtern Sie anhand von benchmark als Spalte) und daily neu erstellt, ohne dass ein API-Schlüssel erforderlich ist. Der aktuelle Snapshot wurde erstellt am 03.11.2026, 01:45 UTC. Es steht unter der Lizenz CC BY 4.0, sodass Sie es mit Quellenangabe zu OpenRouter wiederverwenden und erneut veröffentlichen können.

CSV herunterladen (text/csv)
JSON herunterladen (application/json)
Snapshot-Manifest (SHA-256-Prüfsummen der obigen Dateien)
Neuestes Manifest (veränderlicher Alias, der bei Veröffentlichung neuer Snapshots aktualisiert wird)

Spaltendefinitionen, Methodik und Schwärzungsregeln finden Sie in der README des Datensatzes.

Diese Rangliste zitieren

OpenRouter (2026). GPQA-Diamond-Ergebnisse auf OpenRouter, Stand: 2026-11-03. https://openrouter.ai/benchmarks/gpqa-diamond. Lizenziert unter CC BY 4.0.

Häufig gestellte Fragen

Alle Leistungsvergleiche

GPQA Diamond

Letzter Vergleichstestlauf 02.11.2026, 17:25 UTC

Publikation GitHub

Welches Modell führt im GPQA Diamond-Leistungstest?

Rangliste

Zeilen der obersten Ebene verwenden das Standard-Routing, sofern verfügbar; klicken Sie auf eine Zeile, um die Ergebnisse mit festgelegtem Anbieter aufzuklappen.

GPQA Diamond-Rangliste: Modellgenauigkeit, Kosten, Zeit und Ausgabe-Token pro Frage nach Anbieter
#	Modell		Standardabw.
1	Google: Gemini 4 Argon Pareto Google	96,5 %	--	0,095 $	1,7m	8,44k
2	Gemini 4 Argon Pareto	96,0 %	--	0,029 $	40s	2,87k
3	Google: Gemini 3.8 Flash	95,6 %	--	0,068 $	2,2m	18k
4	OpenAI: GPT-6 Astra Pro	95,5 %	--	0,33 $	75s	4,53k
5	Fugu Ultra	94,6 %	--	1,15 $	5,5m	33,3k
6	Google: Gemini 3.1 Pro Preview	94,5 %	±0,1Prozentpunkte	0,20 $	2,2m	16,7k
7	OpenAI: GPT-6 Astra	94,4 %	--	0,11 $	57s	2,11k
8	OpenAI: GPT-6.1 Sol Pareto	94,4 %	--	0,021 $	52s	1,98k
9	OpenAI: GPT-5.6 Sol Pro	94,1 %	--	0,15 $	1,6m	11,6k
10	OpenAI: GPT-5.5	93,9 %	±0,3Prozentpunkte	0,31 $	2,5m	10,3k
11	Google: Gemini 3.7 Flash	93,9 %	±0,4Prozentpunkte	0,029 $	59s	7,68k
12	Gemini 3.8 Flash	93,4 %	--	0,023 $	44s	6,13k
13	Fugu Ultra V2	93,3 %	--	0,50 $	3,2m	13,8k
14	TypeSafe: Jev Router	93,3 %	±0,5Prozentpunkte	0,035 $	58s	6,07k
15	SpaceXAI: Grok 4.6	92,8 %	±0,4Prozentpunkte	0,12 $	6,0m	20,3k
16	Anthropic: Claude Sonnet 5.5	92,8 %	±0,6Prozentpunkte	0,025 $	20s	2,28k
17	Google: Gemini 3.6 Flash	92,8 %	±0,5Prozentpunkte	0,044 $	62s	11,7k
18	OpenAI: GPT-5.6 Sol	92,4 %	±0,0Prozentpunkte	0,039 $	63s	3,71k
19	Pareto 26.10 Preview Pareto	92,4 %	--	0,003 $	38s	904
20	Google: Gemini 3.5 Flash	92,3 %	±0,1Prozentpunkte	0,14 $	90s	15,8k
21	NVIDIA: Switchyard	92,2 %	±3,2Prozentpunkte	0,018 $	48s	2,51k
22	OpenAI: GPT-6 Sol	91,9 %	--	0,025 $	32s	2,37k
23	OpenAI: GPT-6.1 Terra	91,9 %	±0,3Prozentpunkte	0,013 $	21s	2,13k
24	MoonshotAI: Kimi K3	91,9 %	±1,0Prozentpunkte	0,13 $	4,4m	10,4k
25	GPT-6.1-Terra	91,4 %	--	0,008 $	21s	1,4k
26	GLM 5.3 Flash digitalocean	90,9 %	--	0,005 $	3,9m	10,7k
27	Qwen: Qwen3.7 Max AtlasCloud	90,9 %	--	0,22 $	5,0m	29,4k
28	Kimi K3.1 Pro	90,4 %	--	0,021 $	58s	2,04k
29	MiniMax: MiniMax M3	90,3 %	±1,8Prozentpunkte	0,034 $	5,2m	30,3k
30	DeepSeek: DeepSeek V4 Pro 0813	90,3 %	±1,7Prozentpunkte	0,11 $	9,1m	37,3k
31	OpenAI: GPT-5.4	90,2 %	±0,0Prozentpunkte	0,14 $	2,5m	9,46k
32	Anthropic: Claude Opus 5.5	90,2 %	±0,5Prozentpunkte	0,054 $	30s	2,5k
33	Meta: Muse Spark Open	90,2 %	±0,4Prozentpunkte	0,074 $	2,3m	17,1k
34	Deepseek V4.1 Flash 1017	90,2 %	--	0,007 $	73s	11,6k
35	DeepSeek: DeepSeek V4.1 Flash 1017	90,1 %	±0,7Prozentpunkte	0,011 $	2,0m	19,4k
36	Anthropic: Claude Fable 5.1	89,9 %	±0,7Prozentpunkte	0,13 $	31s	2,4k
37	GPT-6-Luna	89,8 %	--	0,003 $	73s	6,83k
38	Tencent: Hy4 preview	89,8 %	±0,6Prozentpunkte	0,12 $	13,8m	47,5k
39	Anthropic: Claude Opus 4.8	89,7 %	±1,1Prozentpunkte	0,20 $	1,6m	7,8k
40	OpenAI: GPT-5.6 Luna Pro	89,6 %	±0,3Prozentpunkte	0,038 $	2,4m	27k
41	Anthropic: Claude Opus 4.7	89,5 %	±0,9Prozentpunkte	0,23 $	1,8m	9,04k
42	DeepSeek: DeepSeek V4.1 Flash	89,1 %	±0,8Prozentpunkte	0,023 $	4,1m	30,7k
43	Xiaomi: MiMo-V2.6-Pro	88,8 %	±0,4Prozentpunkte	0,033 $	12,5m	38k
44	Amazon: Nova Micro 1.0	88,6 %	±0,3Prozentpunkte	0,22 $	1,8m	8,64k
45	Fugu Max	88,6 %	--	0,076 $	3,8m	12,3k
46	Qwen: Qwen3.8 Flash	88,6 %	--	0,021 $	11,2m	45,5k
47	Google: Gemini 3 Flash Preview	88,5 %	±0,1Prozentpunkte	0,13 $	4,2m	43,9k
48	OpenAI: GPT-5.6 Terra	88,4 %	±0,0Prozentpunkte	0,041 $	55s	3,32k
49	OpenAI: GPT-6 Luna Pro	88,4 %	--	0,008 $	73s	13,1k
50	Reflection: Beam 1.0 501B A23B	88,4 %	±0,0Prozentpunkte	0,015 $	71s	13,6k
51	DeepSeek: DeepSeek V4 Flash Vision Exp	88,0 %	±1,1Prozentpunkte	0,023 $	3,9m	25,3k
52	Anthropic: Claude Opus 5	88,0 %	±1,8Prozentpunkte	0,13 $	62s	4,86k
53	Auto Router	88,0 %	±2,6Prozentpunkte	0,089 $	3,3m	37,4k
54	Deepseek V4.1 Flash	87,9 %	--	0,011 $	2,1m	14,3k
55	Mimo V2.6 Pro	87,9 %	--	0,012 $	5,3m	14,2k
56	Qwen: Qwen3.7 Plus Alibaba	87,9 %	--	0,044 $	9,8m	34,2k
57	MiniMax: MiniMax M3.1 Flash	87,6 %	±0,9Prozentpunkte	0,014 $	2,9m	26k
58	OpenAI: GPT-5.6 Luna	87,6 %	±0,6Prozentpunkte	0,009 $	83s	7,69k
59	Qwen: Qwen3.8 2.4T A95B	87,4 %	±1,4Prozentpunkte	0,091 $	3,3m	14,8k
60	OpenAI: GPT-6 Luna Pareto	87,4 %	--	0,003 $	50s	5,75k
61	DeepSeek: DeepSeek V4 Pro 0423	87,1 %	±1,7Prozentpunkte	0,042 $	11,1m	35,2k
62	Anthropic: Claude Fable 5	86,8 %	±4,0Prozentpunkte	0,18 $	44s	3,39k
63	NVIDIA: Nemotron 3.5 Super VL	86,8 %	±1,0Prozentpunkte	0,022 $	8,7m	46,3k
64	DeepSeek: DeepSeek V4 Flash 0731	86,8 %	±2,5Prozentpunkte	0,008 $	7,1m	25,9k
65	Anthropic: Claude Haiku 5.5	86,7 %	±0,5Prozentpunkte	0,004 $	39s	7,89k
66	OpenAI: GPT-5.1	86,7 %	±0,0Prozentpunkte	0,22 $	4,4m	22,2k
67	Thinking Machines: Inkling Small	86,6 %	±0,8Prozentpunkte	0,025 $	3,9m	20,8k
68	Anthropic: Claude Opus 4.6	86,5 %	±1,4Prozentpunkte	0,75 $	8,4m	29,8k
69	MoonshotAI: Kimi K2.7 Code	86,4 %	±1,8Prozentpunkte	0,099 $	8,0m	26,4k
70	Anthropic: Claude Opus 4.5	86,4 %	±1,0Prozentpunkte	0,84 $	6,9m	33,5k
71	MoonshotAI: Kimi K2.6	86,4 %	±3,9Prozentpunkte	0,17 $	16,1m	55,8k
72	DeepSeek: DeepSeek V4 Flash 0423	85,7 %	±0,9Prozentpunkte	0,006 $	8,6m	30,9k
73	OpenAI: GPT-5	85,7 %	±0,3Prozentpunkte	0,21 $	4,4m	20,9k
74	Qwen: Qwen3.5 397B A17B	85,4 %	±2,8Prozentpunkte	0,076 $	8,0m	23k
75	Z.ai: GLM 5.3	85,4 %	±1,3Prozentpunkte	0,10 $	7,6m	31,8k
76	MiniMax: MiniMax M2.7	85,1 %	±2,3Prozentpunkte	0,047 $	10,6m	38,2k
77	Anthropic: Claude Sonnet 5	85,0 %	±4,6Prozentpunkte	0,17 $	2,8m	16,5k
78	inclusionAI: Ling 3.0 Flash VL Pareto	84,8 %	--	0,001 $	88s	17,5k
79	Z.ai: GLM 5.2	84,7 %	±1,7Prozentpunkte	0,13 $	7,9m	48,6k
80	MoonshotAI: Kimi K2.5	84,6 %	±4,3Prozentpunkte	0,100 $	19,9m	39,6k
81	Google: Gemini 3.5 Flash Lite	84,4 %	±0,9Prozentpunkte	0,036 $	53s	14,5k
82	Z.ai: GLM 5.3 Flash	84,1 %	±2,4Prozentpunkte	0,014 $	8,8m	40,1k
83	OpenAI: GPT-5.4 Mini	83,8 %	±0,6Prozentpunkte	0,062 $	75s	13,6k
84	Qwen: Qwen3.5-122B-A10B	83,6 %	±3,3Prozentpunkte	0,054 $	4,1m	23k
85	Thinking Machines: Inkling	83,4 %	±1,1Prozentpunkte	0,095 $	4,9m	23,4k
86	Qwen: Qwen3.6 27B	82,7 %	±4,2Prozentpunkte	0,087 $	12,6m	31,5k
87	Google: Gemini 2.5 Pro	82,6 %	±1,6Prozentpunkte	0,26 $	3,9m	26k
88	Xiaomi: MiMo-V2.5-Pro	82,4 %	±6,0Prozentpunkte	0,029 $	11,7m	29,7k
89	GLM 5.3 digitalocean	82,3 %	--	0,026 $	2,7m	9,04k
90	Google: Gemini 3.1 Flash Lite	82,1 %	±2,4Prozentpunkte	0,041 $	83s	27k
91	Qwen: Qwen3.8 27B	81,9 %	±1,4Prozentpunkte	0,034 $	3,5m	13,9k
92	Z.ai: GLM 4.7	81,9 %	±2,9Prozentpunkte	0,088 $	17,2m	43,3k
93	Anthropic: Claude Sonnet 4.5	81,8 %	±1,2Prozentpunkte	0,31 $	4,8m	20,8k
94	Google: Gemma 4 31B	81,7 %	±1,6Prozentpunkte	0,007 $	8,3m	18,4k
95	inclusionAI: Ling 3.1 Flash	81,3 %	--	0,008 $	5,9m	33,9k
96	MiniMax: MiniMax M2.5	81,2 %	±2,9Prozentpunkte	0,027 $	8,5m	24,5k
97	DeepSeek: DeepSeek V3.2	81,2 %	±2,4Prozentpunkte	0,009 $	9,4m	19,2k
98	Z.ai: GLM 5.1	81,0 %	±1,7Prozentpunkte	0,23 $	17,2m	61,9k
99	OpenAI: GPT-5 Mini	81,0 %	±2,2Prozentpunkte	0,045 $	3,5m	22,4k
100	Meta: Muse Glimmer 30B	80,6 %	±1,4Prozentpunkte	0,023 $	4,2m	17,5k
101	Qwen: Qwen3.5-35B-A3B	80,5 %	±4,1Prozentpunkte	0,027 $	5,3m	25,7k
102	Qwen: Qwen3.6 35B A3B	79,8 %	±4,0Prozentpunkte	0,043 $	8,1m	42,6k
103	Anthropic: Claude Sonnet 4	78,6 %	--	0,26 $	3,0m	17,4k
104	Xiaomi: MiMo-V2.5	78,0 %	±4,4Prozentpunkte	0,013 $	12,9m	38,6k
105	Z.ai: GLM 5	77,9 %	±5,4Prozentpunkte	0,16 $	15,8m	66,2k
106	OpenAI: GPT-5.4 Nano	77,7 %	±0,4Prozentpunkte	0,013 $	64s	10,3k
107	Qwen: Qwen3.5-9B	77,6 %	±1,9Prozentpunkte	0,006 $	11,1m	36,6k
108	Qwen: Qwen3 235B A22B Thinking 2507	77,0 %	±2,3Prozentpunkte	0,057 $	10,2m	22,8k
109	DeepSeek: R1 0528	76,9 %	±3,6Prozentpunkte	0,052 $	14,6m	23,2k
110	DeepSeek: DeepSeek V3.1 Terminus	76,0 %	±1,2Prozentpunkte	0,016 $	8,0m	16,4k
111	Mistral: Mistral Small 4	75,8 %	--	0,015 $	2,9m	24k
112	Z.ai: GLM 4.6	75,6 %	±4,0Prozentpunkte	0,056 $	17,5m	28,9k
113	inclusionAI: Ling 3.0 Flash	74,9 %	±1,9Prozentpunkte	0,003 $	2,8m	31k
114	Qwen: Qwen3 Coder Next	74,6 %	±1,0Prozentpunkte	0,015 $	1,8m	14,5k
115	Xiaomi: MiMo-V2.6-Flash	73,2 %	±2,4Prozentpunkte	0,016 $	11,2m	60,9k
116	OpenAI: gpt-oss-120b	73,2 %	±2,4Prozentpunkte	0,006 $	6,4m	21,2k
117	Anthropic: Claude Haiku 4.5	72,9 %	±0,9Prozentpunkte	0,19 $	4,0m	37,9k
118	Google: Gemini 2.5 Flash	72,8 %	±0,4Prozentpunkte	0,061 $	2,0m	24,2k
119	Qwen: Qwen3 235B A22B Instruct 2507	72,5 %	±1,5Prozentpunkte	0,006 $	5,1m	8,05k
120	Qwen: Qwen3 Next 80B A3B Instruct	71,3 %	±0,9Prozentpunkte	0,011 $	1,6m	10,2k
121	Google: Gemma 4 26B A4B	70,6 %	±4,6Prozentpunkte	0,015 $	16,1m	49,4k
122	OpenAI: GPT-5 Nano	70,5 %	±0,4Prozentpunkte	0,013 $	3,9m	33,3k
123	NVIDIA: Nemotron 3.5 Lightning	70,4 %	±2,6Prozentpunkte	0,009 $	6,1m	45,4k
124	Anthropic: Claude Sonnet 4.6	69,3 %	±13,9Prozentpunkte	0,62 $	10,7m	41k
125	Qwen: Qwen3 VL 235B A22B Instruct	69,1 %	±2,1Prozentpunkte	0,010 $	4,5m	6,54k
126	Z.ai: GLM 4.6V	66,8 %	--	0,014 $	5,4m	15,3k
127	Meta: Llama 4 Maverick	66,6 %	±0,6Prozentpunkte	0,003 $	81s	2,99k
128	DeepSeek: DeepSeek V3.1	66,0 %	±13,1Prozentpunkte	0,015 $	7,3m	12,9k
129	IBM: Granite 4.2 8B	65,7 %	--	0,015 $	28,6m	64,4k
130	OpenAI: GPT-4.1 Mini	65,2 %	±1,3Prozentpunkte	0,004 $	27s	2,41k
131	OpenAI: gpt-oss-20b	64,9 %	±2,3Prozentpunkte	0,007 $	10,4m	43,8k
132	Qwen: Qwen3 VL 30B A3B Instruct	64,2 %	±1,4Prozentpunkte	0,007 $	4,0m	11,4k
133	Qwen: Qwen3 30B A3B Instruct 2507	64,2 %	±1,3Prozentpunkte	0,003 $	2,5m	9,77k
134	OpenAI: GPT-4.1	63,7 %	±0,4Prozentpunkte	0,016 $	15s	1,75k
135	NVIDIA: Nemotron 3 Nano 30B A3B	62,9 %	±2,1Prozentpunkte	0,017 $	10,5m	83,9k
136	DeepSeek: DeepSeek V3	62,1 %	±1,2Prozentpunkte	0,002 $	65s	2,17k
137	Qwen: Qwen3 30B A3B DeepInfra	60,9 %	--	0,008 $	5,0m	15,4k
138	Qwen: Qwen3 32B	60,7 %	±1,1Prozentpunkte	0,008 $	5,3m	17,3k
139	Qwen: Qwen3 Coder 480B A35B	60,4 %	±0,8Prozentpunkte	0,003 $	58s	2,12k
140	Qwen: Qwen3 14B	59,2 %	±0,3Prozentpunkte	0,003 $	8,7m	11,7k
141	Google: Gemini 2.5 Flash Lite	55,2 %	±0,5Prozentpunkte	0,018 $	1,9m	44,3k
142	DeepSeek: DeepSeek V3 0324	54,8 %	±7,0Prozentpunkte	0,005 $	2,0m	4,61k
143	Qwen: Qwen3 VL 8B Instruct PrimeIntellect	53,9 %	--	0,005 $	2,0m	11,8k
144	Z.ai: GLM 4.7 Flash	52,4 %	±0,8Prozentpunkte	0,017 $	12,7m	42,5k
145	OpenAI: GPT-4o (2024-08-06)	52,0 %	±0,3Prozentpunkte	0,018 $	16s	1,56k
146	Qwen: Qwen3 Coder 30B A3B Instruct	51,9 %	±0,3Prozentpunkte	0,003 $	1,8m	2,73k
147	OpenAI: GPT-4o	51,1 %	±0,1Prozentpunkte	0,013 $	13s	1,12k
148	inclusionAI: Ling 3.0 Flash Fin	50,5 %	--	0,010 $	11,7m	64,8k
149	OpenAI: GPT-4.1 Nano Pareto	49,1 %	±0,9Prozentpunkte	0,00084 $	23s	1,9k
150	Meta: Llama 3.3 70B Instruct	47,6 %	±0,9Prozentpunkte	0,001 $	79s	2,35k
151	Qwen2.5 72B Instruct	46,0 %	±1,3Prozentpunkte	0,001 $	1,6m	1,85k
152	OpenAI: GPT-4o-mini	43,6 %	±0,7Prozentpunkte	0,001 $	22s	1,48k
153	Qwen: Qwen2.5 VL 72B Instruct	42,9 %	--	0,002 $	59s	1,66k
154	Tencent: Hy-MT2-30B-A3B Pareto Reka	38,9 %	--	0,00023 $	9s	711
155	Google: Gemma 3 12B	38,0 %	±1,2Prozentpunkte	0,00038 $	52s	2,26k
156	Meta: Llama 3.2 3B Instruct Cloudflare	28,6 %	--	0,00059 $	15s	1,64k
157	Meta: Llama 3.1 8B Instruct	28,0 %	±2,0Prozentpunkte	0,001 $	2,4m	17,6k
158	Sao10K: Llama 3 8B Lunaris Pareto	27,7 %	±0,1Prozentpunkte	0,000062 $	9s	580
159	Google: Gemma 3 4B Parasail	27,1 %	--	0,00011 $	11s	1,8k
160	Google: Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)	10,3 %	±0,0Prozentpunkte	0,018 $	22s	11,8k

Beispielaufgaben

Biology

A.The cytosol, where it remains soluble
B.The nucleus, after import through a nuclear pore
C.A membrane of the endomembrane system or the cell surface
D.The mitochondrial matrix through a TOM/TIM complex

Antwort: C

Ribosomes on the rough ER synthesize proteins destined for secretion or insertion into the endomembrane system, including the plasma membrane.

Physics

A spacecraft is far from other bodies and fires its engine in the direction opposite to its velocity. Ignoring mass loss during the brief burn, what happens immediately to its speed?

A.It increases because the exhaust carries away backward momentum
B.It decreases because the thrust points opposite to its velocity
C.It remains unchanged because thrust only changes direction
D.It becomes zero because the spacecraft is in free space

Antwort: B

An impulse opposite the velocity vector reduces the spacecraft’s momentum and therefore its speed during the burn.

Chemistry

Why does adding a small amount of a common ion generally reduce the solubility of a sparingly soluble ionic solid in water?

A.The common ion increases the solid’s lattice energy
B.The common ion shifts the dissolution equilibrium toward the solid
C.The common ion converts every dissolved ion into a neutral molecule
D.The common ion removes solvent molecules from the solution

Antwort: B

The added ion raises the concentration of a dissolution product, so Le Chatelier’s principle shifts the equilibrium toward the undissolved solid.

Warum wir diesen Leistungsvergleich durchführen

Was die Bewertungen aussagen können und was nicht

Methodik

GPQA Diamond wird beschrieben in der Originalpublikation. Details zum Routing finden Sie in der Dokumentation , oder durchsuchen Sie alle Modelle , um eines auszuprobieren.

API-Zugriff

Diese Bewertungen sind über die öffentliche API für Leistungsvergleiche von OpenRouter verfügbar, sodass Sie dieselben Ergebnisse auf Modellebene programmatisch abrufen können.

GET https://openrouter.ai/api/v1/benchmarks?source=openrouter
Authorization: Bearer <API key>

Herunterladen und zitieren

CSV herunterladen (text/csv)
JSON herunterladen (application/json)
Snapshot-Manifest (SHA-256-Prüfsummen der obigen Dateien)
Neuestes Manifest (veränderlicher Alias, der bei Veröffentlichung neuer Snapshots aktualisiert wird)

Spaltendefinitionen, Methodik und Schwärzungsregeln finden Sie in der README des Datensatzes.

Diese Rangliste zitieren

OpenRouter (2026). GPQA-Diamond-Ergebnisse auf OpenRouter, Stand: 2026-11-03. https://openrouter.ai/benchmarks/gpqa-diamond. Lizenziert unter CC BY 4.0.

GPQA Diamond

Welches Modell führt im GPQA Diamond-Leistungstest?

Modellvergleich

Kosteneffizienz

Rangliste

Beispielaufgaben

Biology

Physics

Chemistry

Warum wir diesen Leistungsvergleich durchführen

Was die Bewertungen aussagen können und was nicht

Methodik

API-Zugriff

Herunterladen und zitieren

Diese Rangliste zitieren

Häufig gestellte Fragen

GPQA Diamond

Welches Modell führt im GPQA Diamond-Leistungstest?

Modellvergleich

Kosteneffizienz

Rangliste

Beispielaufgaben

Biology

Physics

Chemistry

Warum wir diesen Leistungsvergleich durchführen

Was die Bewertungen aussagen können und was nicht

Methodik

API-Zugriff

Herunterladen und zitieren

Diese Rangliste zitieren

Häufig gestellte Fragen