Inicio › Benchmarks › GPQA Diamond
GPQA Diamond
Benchmark
Capacidad
Google-proof PhD science questions — the reasoning era's exam.
Estás viendo un registro de benchmark: una prueba que la industria utiliza para medir chips o modelos, y lo que realmente indica.
GPQA's expert-written chemistry, physics and biology questions defeat search (PhDs outside the field score ~34%). Frontier reasoning models went from ~50% (2024) past 90% (late 2025) — a two-year sprint through a benchmark built to be hard.
Cómo se conecta con el resto del stack
Los enlaces de esta ficha de un vistazo: haz clic en un grupo para ir directamente a él.
Relacionado
Fuentes
Registro revisado a fecha de 2026-01-15 — ver Metodología.