跳转到内容
Alpha
  • 模型
  • 排行榜
  • Ori
联系销售

页脚

OpenRouterOpenRouter
© 2026 OpenRouter, Inc

产品

  • 聊天
  • 排行榜
  • 基准测试
  • 应用
  • 发现
  • 模型
  • Ori
  • 合集
  • 提供商
  • 工具
  • 定价
  • Business
  • Enterprise
  • 实验室

公司

  • 关于
  • 博客
  • 客户
  • 招聘
    招聘
  • 隐私
  • 服务条款
  • 信任中心
  • 支持
  • 兼容 OR
  • 数据
  • 品牌

开发者

  • 文档
  • API 参考
  • 开发者平台
  • 状态
  • AI 站点地图

连接

  • Discord
  • GitHub
  • LinkedIn
  • X
  • YouTube
所有基准测试

GPQA Diamond

GPQA Diamond 是涵盖生物学、物理学和化学的研究生级别多项选择题基准测试。每道题均由学科专家编写，其设计使得即使是领域专家也需要仔细推理才能确定正确答案。我们在各提供商端点上运行同一组固定题目，以比较模型能力、路由效果以及解决高难度科学问题的实际成本。

上次基准测试运行 2026年11月3日 01:57 UTC

论文GitHub
模型对比成本效率排行榜示例题目运行原因分数的含义方法论API 访问下载并引用常见问题

模型对比

最准确

google 的网站图标
Google: Gemini 4 Argon

96.5%

最佳性价比

openai 的网站图标
OpenAI: GPT-6.1 Sol

US$0.021/问题

最快

google 的网站图标
Gemini 4 Argon

40s

准确率
代表性运行的准确率，按从高到低排序。
每个问题的成本
每个问题的平均成本，按从低到高排序。
每题耗时
每道题的平均实际耗时，按耗时从短到长排序。

成本效率

准确率与成本（帕累托前沿）
每个点代表一个模型，在可用时使用默认路由（不固定到某个提供商）。曲线为帕累托前沿：没有模型能在准确率和成本两方面同时优于这些模型。

排行榜

顶层行在可用时使用默认路由；点击行可展开查看固定提供商的结果。

GPQA Diamond 排行榜：按提供商展示模型准确率、成本、耗时和每题输出 token 数
#模型标准差
1
google 的网站图标
Google: Gemini 4 Argon
帕累托
Google
96.5%--US$0.0951.7m8.44k
2
google 的网站图标
Gemini 4 Argon
帕累托
96.0%--US$0.02940s2.87k
3
google 的网站图标
Google: Gemini 3.8 Flash
95.6%--US$0.0682.2m18k
4
openai 的网站图标
OpenAI: GPT-6 Astra Pro
95.5%--US$0.3375s4.53k
5
sakana 的网站图标
Fugu Ultra
94.6%--US$1.155.5m33.3k
6
google 的网站图标
Google: Gemini 3.1 Pro Preview
94.5%±0.1个百分点US$0.202.2m16.7k
7
openai 的网站图标
OpenAI: GPT-6 Astra
94.4%--US$0.1157s2.11k
8
openai 的网站图标
OpenAI: GPT-6.1 Sol
帕累托
94.4%--US$0.02152s1.98k
9
openai 的网站图标
OpenAI: GPT-5.6 Sol Pro
94.1%--US$0.151.6m11.6k
10
openai 的网站图标
OpenAI: GPT-5.5
93.9%±0.3个百分点US$0.312.5m10.3k
11
google 的网站图标
Google: Gemini 3.7 Flash
93.9%±0.4个百分点US$0.02959s7.68k
12
google 的网站图标
Gemini 3.8 Flash
93.4%--US$0.02344s6.13k
13
sakana 的网站图标
Fugu Ultra V2
93.3%--US$0.503.2m13.8k
14
typesafe 的网站图标
TypeSafe: Jev Router
93.3%±0.5个百分点US$0.03558s6.07k
15
x-ai 的网站图标
SpaceXAI: Grok 4.6
92.8%±0.4个百分点US$0.126.0m20.3k
16
anthropic 的网站图标
Anthropic: Claude Sonnet 5.5
92.8%±0.6个百分点US$0.02520s2.28k
17
google 的网站图标
Google: Gemini 3.6 Flash
92.8%±0.5个百分点US$0.04462s11.7k
18
openai 的网站图标
OpenAI: GPT-5.6 Sol
92.4%±0.0个百分点US$0.03963s3.71k
19
unbiased 的网站图标
Pareto 26.10 Preview
帕累托
92.4%--US$0.00338s904
20
google 的网站图标
Google: Gemini 3.5 Flash
92.3%±0.1个百分点US$0.1490s15.8k
21
nvidia 的网站图标
NVIDIA: Switchyard
92.2%±3.2个百分点US$0.01848s2.51k
22
openai 的网站图标
OpenAI: GPT-6 Sol
91.9%--US$0.02532s2.37k
23
openai 的网站图标
OpenAI: GPT-6.1 Terra
91.9%±0.3个百分点US$0.01321s2.13k
24
moonshotai 的网站图标
MoonshotAI: Kimi K3
91.9%±1.0个百分点US$0.134.4m10.4k
25
openai 的网站图标
GPT-6.1-Terra
91.4%--US$0.00821s1.4k
26
z-ai 的网站图标
GLM 5.3 Flash
digitalocean
90.9%--US$0.0053.9m10.7k
27
qwen 的网站图标
Qwen: Qwen3.7 Max
AtlasCloud
90.9%--US$0.225.0m29.4k
28
moonshotai 的网站图标
Kimi K3.1 Pro
90.4%--US$0.02158s2.04k
29
minimax 的网站图标
MiniMax: MiniMax M3
90.3%±1.8个百分点US$0.0345.2m30.3k
30
deepseek 的网站图标
DeepSeek: DeepSeek V4 Pro 0813
90.3%±1.7个百分点US$0.119.1m37.3k
31
openai 的网站图标
OpenAI: GPT-5.4
90.2%±0.0个百分点US$0.142.5m9.46k
32
anthropic 的网站图标
Anthropic: Claude Opus 5.5
90.2%±0.5个百分点US$0.05430s2.5k
33
meta 的网站图标
Meta: Muse Spark Open
90.2%±0.4个百分点US$0.0742.3m17.1k
34
deepseek 的网站图标
Deepseek V4.1 Flash 1017
90.2%--US$0.00773s11.6k
35
deepseek 的网站图标
DeepSeek: DeepSeek V4.1 Flash 1017
90.1%±0.7个百分点US$0.0112.0m19.4k
36
anthropic 的网站图标
Anthropic: Claude Fable 5.1
89.9%±0.7个百分点US$0.1331s2.4k
37
openai 的网站图标
GPT-6-Luna
89.8%--US$0.00373s6.83k
38
tencent 的网站图标
Tencent: Hy4 preview
89.8%±0.6个百分点US$0.1213.8m47.5k
39
anthropic 的网站图标
Anthropic: Claude Opus 4.8
89.7%±1.1个百分点US$0.201.6m7.8k
40
openai 的网站图标
OpenAI: GPT-5.6 Luna Pro
89.6%±0.3个百分点US$0.0382.4m27k
41
anthropic 的网站图标
Anthropic: Claude Opus 4.7
89.5%±0.9个百分点US$0.231.8m9.04k
42
deepseek 的网站图标
DeepSeek: DeepSeek V4.1 Flash
89.1%±0.8个百分点US$0.0234.1m30.7k
43
xiaomi 的网站图标
Xiaomi: MiMo-V2.6-Pro
88.8%±0.4个百分点US$0.03312.5m38k
44
amazon 的网站图标
Amazon: Nova Micro 1.0
88.6%±0.3个百分点US$0.221.8m8.64k
45
sakana 的网站图标
Fugu Max
88.6%--US$0.0763.8m12.3k
46
qwen 的网站图标
Qwen: Qwen3.8 Flash
88.6%--US$0.02111.2m45.5k
47
google 的网站图标
Google: Gemini 3 Flash Preview
88.5%±0.1个百分点US$0.134.2m43.9k
48
openai 的网站图标
OpenAI: GPT-5.6 Terra
88.4%±0.0个百分点US$0.04155s3.32k
49
openai 的网站图标
OpenAI: GPT-6 Luna Pro
88.4%--US$0.00873s13.1k
50
reflection 的网站图标
Reflection: Beam 1.0 501B A23B
88.4%±0.0个百分点US$0.01571s13.6k
51
deepseek 的网站图标
DeepSeek: DeepSeek V4 Flash Vision Exp
88.0%±1.1个百分点US$0.0233.9m25.3k
52
anthropic 的网站图标
Anthropic: Claude Opus 5
88.0%±1.8个百分点US$0.1362s4.86k
53
openrouter 的网站图标openrouter 的网站图标
Auto Router
88.0%±2.6个百分点US$0.0893.3m37.4k
54
deepseek 的网站图标
Deepseek V4.1 Flash
87.9%--US$0.0112.1m14.3k
55
xiaomi 的网站图标
Mimo V2.6 Pro
87.9%--US$0.0125.3m14.2k
56
qwen 的网站图标
Qwen: Qwen3.7 Plus
Alibaba
87.9%--US$0.0449.8m34.2k
57
minimax 的网站图标
MiniMax: MiniMax M3.1 Flash
87.6%±0.9个百分点US$0.0142.9m26k
58
openai 的网站图标
OpenAI: GPT-5.6 Luna
87.6%±0.6个百分点US$0.00983s7.69k
59
qwen 的网站图标
Qwen: Qwen3.8 2.4T A95B
87.4%±1.4个百分点US$0.0913.3m14.8k
60
openai 的网站图标
OpenAI: GPT-6 Luna
帕累托
87.4%--US$0.00350s5.75k
61
deepseek 的网站图标
DeepSeek: DeepSeek V4 Pro 0423
87.1%±1.7个百分点US$0.04211.1m35.2k
62
anthropic 的网站图标
Anthropic: Claude Fable 5
86.8%±4.0个百分点US$0.1844s3.39k
63
nvidia 的网站图标
NVIDIA: Nemotron 3.5 Super VL
86.8%±1.0个百分点US$0.0228.7m46.3k
64
deepseek 的网站图标
DeepSeek: DeepSeek V4 Flash 0731
86.8%±2.5个百分点US$0.0087.1m25.9k
65
anthropic 的网站图标
Anthropic: Claude Haiku 5.5
86.7%±0.5个百分点US$0.00439s7.89k
66
openai 的网站图标
OpenAI: GPT-5.1
86.7%±0.0个百分点US$0.224.4m22.2k
67
thinkingmachines 的网站图标
Thinking Machines: Inkling Small
86.6%±0.8个百分点US$0.0253.9m20.8k
68
anthropic 的网站图标
Anthropic: Claude Opus 4.6
86.5%±1.4个百分点US$0.758.4m29.8k
69
moonshotai 的网站图标
MoonshotAI: Kimi K2.7 Code
86.4%±1.8个百分点US$0.0998.0m26.4k
70
anthropic 的网站图标
Anthropic: Claude Opus 4.5
86.4%±1.0个百分点US$0.846.9m33.5k
71
moonshotai 的网站图标
MoonshotAI: Kimi K2.6
86.4%±3.9个百分点US$0.1716.1m55.8k
72
deepseek 的网站图标
DeepSeek: DeepSeek V4 Flash 0423
85.7%±0.9个百分点US$0.0068.6m30.9k
73
openai 的网站图标
OpenAI: GPT-5
85.7%±0.3个百分点US$0.214.4m20.9k
74
qwen 的网站图标
Qwen: Qwen3.5 397B A17B
85.4%±2.8个百分点US$0.0768.0m23k
75
z-ai 的网站图标
Z.ai: GLM 5.3
85.4%±1.3个百分点US$0.107.6m31.8k
76
minimax 的网站图标
MiniMax: MiniMax M2.7
85.1%±2.3个百分点US$0.04710.6m38.2k
77
anthropic 的网站图标
Anthropic: Claude Sonnet 5
85.0%±4.6个百分点US$0.172.8m16.5k
78
inclusionai 的网站图标
inclusionAI: Ling 3.0 Flash VL
帕累托
84.8%--US$0.00188s17.5k
79
z-ai 的网站图标
Z.ai: GLM 5.2
84.7%±1.7个百分点US$0.137.9m48.6k
80
moonshotai 的网站图标
MoonshotAI: Kimi K2.5
84.6%±4.3个百分点US$0.10019.9m39.6k
81
google 的网站图标
Google: Gemini 3.5 Flash Lite
84.4%±0.9个百分点US$0.03653s14.5k
82
z-ai 的网站图标
Z.ai: GLM 5.3 Flash
84.1%±2.4个百分点US$0.0148.8m40.1k
83
openai 的网站图标
OpenAI: GPT-5.4 Mini
83.8%±0.6个百分点US$0.06275s13.6k
84
qwen 的网站图标
Qwen: Qwen3.5-122B-A10B
83.6%±3.3个百分点US$0.0544.1m23k
85
thinkingmachines 的网站图标
Thinking Machines: Inkling
83.4%±1.1个百分点US$0.0954.9m23.4k
86
qwen 的网站图标
Qwen: Qwen3.6 27B
82.7%±4.2个百分点US$0.08712.6m31.5k
87
google 的网站图标
Google: Gemini 2.5 Pro
82.6%±1.6个百分点US$0.263.9m26k
88
xiaomi 的网站图标
Xiaomi: MiMo-V2.5-Pro
82.4%±6.0个百分点US$0.02911.7m29.7k
89
z-ai 的网站图标
GLM 5.3
digitalocean
82.3%--US$0.0262.7m9.04k
90
google 的网站图标
Google: Gemini 3.1 Flash Lite
82.1%±2.4个百分点US$0.04183s27k
91
qwen 的网站图标
Qwen: Qwen3.8 27B
81.9%±1.4个百分点US$0.0343.5m13.9k
92
z-ai 的网站图标
Z.ai: GLM 4.7
81.9%±2.9个百分点US$0.08817.2m43.3k
93
anthropic 的网站图标
Anthropic: Claude Sonnet 4.5
81.8%±1.2个百分点US$0.314.8m20.8k
94
google 的网站图标
Google: Gemma 4 31B
81.7%±1.6个百分点US$0.0078.3m18.4k
95
inclusionai 的网站图标
inclusionAI: Ling 3.1 Flash
81.3%--US$0.0085.9m33.9k
96
minimax 的网站图标
MiniMax: MiniMax M2.5
81.2%±2.9个百分点US$0.0278.5m24.5k
97
deepseek 的网站图标
DeepSeek: DeepSeek V3.2
81.2%±2.4个百分点US$0.0099.4m19.2k
98
z-ai 的网站图标
Z.ai: GLM 5.1
81.0%±1.7个百分点US$0.2317.2m61.9k
99
openai 的网站图标
OpenAI: GPT-5 Mini
81.0%±2.2个百分点US$0.0453.5m22.4k
100
meta 的网站图标
Meta: Muse Glimmer 30B
80.6%±1.4个百分点US$0.0234.2m17.5k
101
qwen 的网站图标
Qwen: Qwen3.5-35B-A3B
80.5%±4.1个百分点US$0.0275.3m25.7k
102
qwen 的网站图标
Qwen: Qwen3.6 35B A3B
79.8%±4.0个百分点US$0.0438.1m42.6k
103
anthropic 的网站图标
Anthropic: Claude Sonnet 4
78.6%--US$0.263.0m17.4k
104
xiaomi 的网站图标
Xiaomi: MiMo-V2.5
78.0%±4.4个百分点US$0.01312.9m38.6k
105
z-ai 的网站图标
Z.ai: GLM 5
77.9%±5.4个百分点US$0.1615.8m66.2k
106
openai 的网站图标
OpenAI: GPT-5.4 Nano
77.7%±0.4个百分点US$0.01364s10.3k
107
qwen 的网站图标
Qwen: Qwen3.5-9B
77.6%±1.9个百分点US$0.00611.1m36.6k
108
qwen 的网站图标
Qwen: Qwen3 235B A22B Thinking 2507
77.0%±2.3个百分点US$0.05710.2m22.8k
109
deepseek 的网站图标
DeepSeek: R1 0528
76.9%±3.6个百分点US$0.05214.6m23.2k
110
deepseek 的网站图标
DeepSeek: DeepSeek V3.1 Terminus
76.0%±1.2个百分点US$0.0168.0m16.4k
111
mistralai 的网站图标
Mistral: Mistral Small 4
75.8%--US$0.0152.9m24k
112
z-ai 的网站图标
Z.ai: GLM 4.6
75.6%±4.0个百分点US$0.05617.5m28.9k
113
inclusionai 的网站图标
inclusionAI: Ling 3.0 Flash
74.9%±1.9个百分点US$0.0032.8m31k
114
qwen 的网站图标
Qwen: Qwen3 Coder Next
74.6%±1.0个百分点US$0.0151.8m14.5k
115
xiaomi 的网站图标
Xiaomi: MiMo-V2.6-Flash
73.2%±2.4个百分点US$0.01611.2m60.9k
116
openai 的网站图标
OpenAI: gpt-oss-120b
73.2%±2.4个百分点US$0.0066.4m21.2k
117
anthropic 的网站图标
Anthropic: Claude Haiku 4.5
72.9%±0.9个百分点US$0.194.0m37.9k
118
google 的网站图标
Google: Gemini 2.5 Flash
72.8%±0.4个百分点US$0.0612.0m24.2k
119
qwen 的网站图标
Qwen: Qwen3 235B A22B Instruct 2507
72.5%±1.5个百分点US$0.0065.1m8.05k
120
qwen 的网站图标
Qwen: Qwen3 Next 80B A3B Instruct
71.3%±0.9个百分点US$0.0111.6m10.2k
121
google 的网站图标
Google: Gemma 4 26B A4B
70.6%±4.6个百分点US$0.01516.1m49.4k
122
openai 的网站图标
OpenAI: GPT-5 Nano
70.5%±0.4个百分点US$0.0133.9m33.3k
123
nvidia 的网站图标
NVIDIA: Nemotron 3.5 Lightning
70.4%±2.6个百分点US$0.0096.1m45.4k
124
anthropic 的网站图标
Anthropic: Claude Sonnet 4.6
69.3%±13.9个百分点US$0.6210.7m41k
125
qwen 的网站图标
Qwen: Qwen3 VL 235B A22B Instruct
69.1%±2.1个百分点US$0.0104.5m6.54k
126
z-ai 的网站图标
Z.ai: GLM 4.6V
66.8%--US$0.0145.4m15.3k
127
meta-llama 的网站图标
Meta: Llama 4 Maverick
66.6%±0.6个百分点US$0.00381s2.99k
128
deepseek 的网站图标
DeepSeek: DeepSeek V3.1
66.0%±13.1个百分点US$0.0157.3m12.9k
129
ibm-granite 的网站图标
IBM: Granite 4.2 8B
65.7%--US$0.01528.6m64.4k
130
openai 的网站图标
OpenAI: GPT-4.1 Mini
65.2%±1.3个百分点US$0.00427s2.41k
131
openai 的网站图标
OpenAI: gpt-oss-20b
64.9%±2.3个百分点US$0.00710.4m43.8k
132
qwen 的网站图标
Qwen: Qwen3 VL 30B A3B Instruct
64.2%±1.4个百分点US$0.0074.0m11.4k
133
qwen 的网站图标
Qwen: Qwen3 30B A3B Instruct 2507
64.2%±1.3个百分点US$0.0032.5m9.77k
134
openai 的网站图标
OpenAI: GPT-4.1
63.7%±0.4个百分点US$0.01615s1.75k
135
nvidia 的网站图标
NVIDIA: Nemotron 3 Nano 30B A3B
62.9%±2.1个百分点US$0.01710.5m83.9k
136
deepseek 的网站图标
DeepSeek: DeepSeek V3
62.1%±1.2个百分点US$0.00265s2.17k
137
qwen 的网站图标
Qwen: Qwen3 30B A3B
DeepInfra
60.9%--US$0.0085.0m15.4k
138
qwen 的网站图标
Qwen: Qwen3 32B
60.7%±1.1个百分点US$0.0085.3m17.3k
139
qwen 的网站图标
Qwen: Qwen3 Coder 480B A35B
60.4%±0.8个百分点US$0.00358s2.12k
140
qwen 的网站图标
Qwen: Qwen3 14B
59.2%±0.3个百分点US$0.0038.7m11.7k
141
google 的网站图标
Google: Gemini 2.5 Flash Lite
55.2%±0.5个百分点US$0.0181.9m44.3k
142
deepseek 的网站图标
DeepSeek: DeepSeek V3 0324
54.8%±7.0个百分点US$0.0052.0m4.61k
143
qwen 的网站图标
Qwen: Qwen3 VL 8B Instruct
PrimeIntellect
53.9%--US$0.0052.0m11.8k
144
z-ai 的网站图标
Z.ai: GLM 4.7 Flash
52.4%±0.8个百分点US$0.01712.7m42.5k
145
openai 的网站图标
OpenAI: GPT-4o (2024-08-06)
52.0%±0.3个百分点US$0.01816s1.56k
146
qwen 的网站图标
Qwen: Qwen3 Coder 30B A3B Instruct
51.9%±0.3个百分点US$0.0031.8m2.73k
147
openai 的网站图标
OpenAI: GPT-4o
51.1%±0.1个百分点US$0.01313s1.12k
148
inclusionai 的网站图标
inclusionAI: Ling 3.0 Flash Fin
50.5%--US$0.01011.7m64.8k
149
openai 的网站图标
OpenAI: GPT-4.1 Nano
帕累托
49.1%±0.9个百分点US$0.0008423s1.9k
150
meta-llama 的网站图标
Meta: Llama 3.3 70B Instruct
47.6%±0.9个百分点US$0.00179s2.35k
151
qwen 的网站图标
Qwen2.5 72B Instruct
46.0%±1.3个百分点US$0.0011.6m1.85k
152
openai 的网站图标
OpenAI: GPT-4o-mini
43.6%±0.7个百分点US$0.00122s1.48k
153
qwen 的网站图标
Qwen: Qwen2.5 VL 72B Instruct
42.9%--US$0.00259s1.66k
154
tencent 的网站图标
Tencent: Hy-MT2-30B-A3B
帕累托
Reka
38.9%--US$0.000239s711
155
google 的网站图标
Google: Gemma 3 12B
38.0%±1.2个百分点US$0.0003852s2.26k
156
meta-llama 的网站图标
Meta: Llama 3.2 3B Instruct
Cloudflare
28.6%--US$0.0005915s1.64k
157
meta-llama 的网站图标
Meta: Llama 3.1 8B Instruct
28.0%±2.0个百分点US$0.0012.4m17.6k
158
sao10k 的网站图标
Sao10K: Llama 3 8B Lunaris
帕累托
27.7%±0.1个百分点US$0.0000629s580
159
google 的网站图标
Google: Gemma 3 4B
Parasail
27.1%--US$0.0001111s1.8k
160
google 的网站图标
Google: Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)
10.3%±0.0个百分点US$0.01822s11.8k

示例题目

GPQA 使用四选一题目，作答不仅需要回忆定义。以下代表性示例展示了题目格式及涵盖的科学领域范围，未复现该基准测试受保护题库中的题目。

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?

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

答案： 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?

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

答案： 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?

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

答案： B

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

我们为何运行此基准测试

GPQA 是一项涵盖生物学、物理学和化学的综合性研究生级推理测试，因此能以低成本为我们提供高基线信号，表明部署运行正常。一个通常能答对这些问题的模型如果准确率突然下降，通常意味着端点或路由出现了故障，而非问题本身有误。

由于我们在各提供商端点上运行相同的固定题集，同一模型在不同提供商之间出现较大的准确率差距，是快速发现端点配置错误或性能下降的一种方式。费用和延迟列显示了提供这种推理质量所需的成本。

分数能说明什么、不能说明什么

GPQA 是一项范围有限、难度较高的评估，并非对通用智能或实用性的全面衡量。分数反映了模型在专家编写的科学多项选择题上的表现，应结合编程、指令遵循、事实准确性及其他评估一并考量。

分数可能对采样设置、答案位置处理方式和重复运行次数较为敏感。当模型的样本数量相近时，细微差异可能并无实际意义，因此排行榜除了准确率，还提供了运行结果的变动情况和成本背景。

该基准测试已有公开说明，部分题目最终可能出现在训练数据中。我们避免在此展示私有题库，但任何公开基准测试都无法保证未来的每一道评估题目均未受到数据污染。

方法论

分数汇总了最近 90 天内的成功运行结果，按问题数量加权，并为每个模型与提供商组合设置最低样本量门槛。模型的主分数在默认路由可用时采用默认路由的结果，否则回退到提供商的中位数。成本、耗时和输出 token 数均为同一批运行结果的每题平均值。最佳性价比模型是分数与最高分相差不超过五个百分点的帕累托最优模型中成本最低的模型。

GPQA Diamond 的介绍见 原始论文。有关路由详情，请参阅 文档 ，或浏览 所有模型 并选择一个试用。

API 访问

这些分数可通过 OpenRouter 的公开基准测试 API 获取，因此您可以通过编程方式检索相同的模型级结果。

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

使用 task_type=intelligence 筛选 gpqa_diamond。每个条目代表一个模型，包含 accuracy、 accuracy_stddev、 avg_cost_per_task、 total_tasks 和 last_run_timestamp。请参阅 基准测试 API 文档。

下载并引用

此排行榜的快照发布在 benchmark-leaderboard 开放数据集中（按 benchmark 列筛选），更新频率为 daily ，无需 API 密钥。 当前快照生成于 2026年11月3日 01:45 UTC。 其采用的许可协议为 CC BY 4.0，因此您可以在注明 OpenRouter 署名的情况下重复使用和重新发布。

  • 下载 CSV (text/csv)
  • 下载 JSON (application/json)
  • 快照清单 （上述文件的 SHA-256 校验和）
  • 最新清单 （可变别名，随快照发布而更新）

列定义、方法和脱敏规则见 数据集 README。

引用此排行榜

OpenRouter（2026）。OpenRouter 上的 GPQA Diamond 结果，2026-11-03 快照。https://openrouter.ai/benchmarks/gpqa-diamond。依据 CC BY 4.0 授权。

常见问题

GPQA Diamond 是一项涵盖生物学、物理学和化学的研究生级别多项选择题基准测试。每道题均由学科专家编写，其设计使得即使是领域专家也需要仔细推理才能确定正确答案。

每个模型都通过真实的提供商端点回答同一组固定问题，并汇总多次运行的结果。模型的主要得分是单个具有代表性的结果，而非其表现最佳的提供商的结果，成本、耗时和输出 token 数则是这些相同运行中每个问题的平均值。

每次运行都会发送到真实的提供商端点，因此提供商的行为也是测量的一部分。提供同一模型的不同提供商之间若存在较大的准确率差距，通常意味着端点配置错误或性能下降，而非题目本身有问题。

是的，使用 API 密钥通过 GET https://openrouter.ai/api/v1/benchmarks?source=openrouter 访问公开基准测试 API，可获取相同的模型级结果。使用 task_type=intelligence 筛选即可获取 gpqa_diamond。

这是一项范围有限、难度较高的评测，而非对通用实用性的衡量。分数对采样设置、答案位置处理方式和重复运行次数很敏感，因此样本数相近的模型之间的小幅差异可能并无实际意义。