होम › Benchmarks › GPQA Diamond
GPQA Diamond
Benchmark
क्षमता
Google-proof PhD science questions — the reasoning era's exam.
आप एक benchmark रिकॉर्ड देख रहे हैं: एक परीक्षण जिसे उद्योग chips या models को मापने के लिए उपयोग करता है — और यह वास्तव में क्या बताता है।
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.
यह बाकी स्टैक से कैसे जुड़ता है
इस रिकॉर्ड के लिंक एक नज़र में — किसी समूह पर क्लिक करके उस पर जाएँ।
संबंधित
स्रोत
रिकॉर्ड की समीक्षा की गई 2026-01-15 — देखें पद्धति.