Automatisierte Seite. Automatisch von KI verfasst und übersetzt und per Software mit den Quellen abgeglichen; keine menschliche Redaktion. SI-IQ ist ein Index auf Basis öffentlicher Benchmark-Ergebnisse, kein IQ-Test. So funktioniert es
GPQA Diamond (OpenRouter run): Ergebnisse von KI-Modellen
GPQA Diamond (OpenRouter run) ist ein Benchmark im Bereich Wissen, durchgeführt von OpenRouter. Für 117 Modelle in unseren Daten liegt ein veröffentlichtes Ergebnis vor.
Er ist Teil des SI-IQ-Index (Ladung k = 0,68, Zufallsniveau 25 %).
- Evaluator
- OpenRouter
- Startseite des Benchmarks
- openrouter.ai/benchmarks/gpqa-diamond
Ergebnisse
| 1 | Gemini 4 Argon Google DeepMind | 96,5 % | 140137–143 | 8 |
| 2 | Gemini 3.1 Pro Google DeepMind | 94,8 % | 127124–130 | 9 |
| 3 | Gemini 3.8 Flash Google DeepMind | 94,8 % | 130127–133 | 8 |
| 4 | GPT-6 Astra OpenAI | 94,7 % | 150146–153 | 8 |
| 5 | GPT-6.1 Sol OpenAI | 94,4 % | 148144–152 | 8 |
| 6 | Gemini 3.7 Flash Google DeepMind | 93,9 % | 131128–134 | 8 |
| 7 | GPT-5.5 OpenAI | 93,6 % | 138135–141 | 9 |
| 8 | Gemini 3.6 Flash Google DeepMind | 93,0 % | 125122–128 | 8 |
| 9 | Claude Sonnet 5.5 Anthropic | 92,9 % | 140137–143 | 8 |
| 10 | Grok 4.6 xAI | 92,5 % | 126123–129 | 8 |
| 11 | Gemini 3.5 Flash Google DeepMind | 92,4 % | 126123–129 | 9 |
| 12 | GPT-5.6 Sol OpenAI | 92,3 % | 140137–143 | 8 |
| 13 | GPT-6 Sol OpenAI | 92,1 % | 140137–144 | 8 |
| 14 | Kimi K3offen Moonshot | 91,6 % | 127124–130 | 8 |
| 15 | MiniMax-M3offen MiniMax | 91,5 % | 108102–114 | 5 |
| 16 | GLM-5.3-Flashoffen Z.ai (Zhipu AI) | 90,9 % | 120117–124 | 7 |
| 17 | Qwen3.7-Max Alibaba | 90,9 % | 125122–128 | 9 |
| 18 | Muse Spark Openoffen Meta AI | 90,6 % | 127124–130 | 6 |
| 19 | Claude Opus 5.5 Anthropic | 90,2 % | 144141–148 | 8 |
| 20 | DeepSeek V4 Flash 0731offen DeepSeek | 90,0 % | 124121–127 | 8 |
| 21 | GPT-5.4 OpenAI | 90,0 % | 131128–133 | 9 |
| 22 | DeepSeek-V4-Flashoffen DeepSeek | 89,9 % | 129116–143 | 2 zu wenige Daten |
| 23 | MiMo-V2.6 Pro Xiaomi Corp | 89,9 % | 131117–144 | 2 zu wenige Daten |
| 24 | Tencent Hy4 previewoffen Tencent | 89,7 % | 129115–143 | 2 zu wenige Daten |
| 25 | Qwen3.8 Flash Alibaba | 89,6 % | 125111–138 | 2 zu wenige Daten |
| 26 | Claude Opus 4.8 Anthropic | 89,6 % | 132129–135 | 8 |
| 27 | Claude Opus 5 Anthropic | 89,6 % | 136133–140 | 8 |
| 28 | GPT-5.6 Terra OpenAI | 89,3 % | 134131–137 | 8 |
| 29 | DeepSeek V4 Pro 0813offen DeepSeek | 89,3 % | 128125–131 | 8 |
| 30 | Claude Opus 4.7 Anthropic | 89,2 % | 127124–130 | 9 |
| 31 | Claude Fable 5.1 Anthropic | 88,9 % | 140136–143 | 8 |
| 32 | Gemini 3 Flash Google DeepMind | 88,6 % | 122119–125 | 9 |
| 33 | Kimi K2.7 Codeoffen Moonshot | 88,5 % | 118115–122 | 7 |
| 34 | DeepSeek V4.1 Flashoffen DeepSeek | 88,4 % | 128125–131 | 8 |
| 35 | GPT-6 Luna OpenAI | 88,2 % | 130127–133 | 8 |
| 36 | Kimi K2.6offen Moonshot | 88,0 % | 121118–124 | 9 |
| 37 | GPT-5.2 OpenAI | 87,9 % | 125122–128 | 10 |
| 38 | Qwen3.7-Plus Alibaba | 87,4 % | 115110–119 | 5 |
| 39 | Qwen3.5 397B-A17Boffen Alibaba | 87,3 % | 114109–118 | 5 |
| 40 | GPT-5.6 Luna OpenAI | 87,2 % | 130127–133 | 8 |
| 41 | Inkling-Smalloffen Thinking Machines | 87,0 % | 118115–122 | 7 |
| 42 | Claude Haiku 5.5 Anthropic | 86,9 % | 129126–132 | 8 |
| 43 | GPT-5.1 OpenAI | 86,9 % | 120115–125 | 7 |
| 44 | MiniMax-M2.1offen MiniMax | 86,9 % | 120106–133 | 2 zu wenige Daten |
| 45 | GLM-5.3offen Z.ai (Zhipu AI) | 86,4 % | 125122–128 | 8 |
| 46 | Claude Fable 5 Anthropic | 86,2 % | 138134–141 | 8 |
| 47 | Claude Opus 4.5 Anthropic | 86,1 % | 115111–118 | 10 |
| 48 | Kimi K2.5offen Moonshot | 85,9 % | 119112–125 | 5 |
| 49 | Claude Sonnet 5 Anthropic | 85,8 % | 126123–129 | 8 |
| 50 | MiniMax-M2.7offen MiniMax | 85,7 % | 120107–134 | 2 zu wenige Daten |
| 51 | Claude Opus 4.6 Anthropic | 85,7 % | 123120–126 | 9 |
| 52 | MiMo-V2.5-Prooffen Xiaomi Corp | 85,5 % | 121108–135 | 2 zu wenige Daten |
| 53 | MiniMax-M2.5offen MiniMax | 85,4 % | 118105–132 | 2 zu wenige Daten |
| 54 | DeepSeek-V4-Prooffen DeepSeek | 85,4 % | 117113–120 | 9 |
| 55 | GPT-5 OpenAI | 85,0 % | 121118–124 | 11 |
| 56 | GPT-5.4 Mini OpenAI | 84,0 % | 117113–120 | 8 |
| 57 | Gemini 3.5 Flash-Lite Google DeepMind | 84,0 % | 109106–113 | 7 |
| 58 | GLM-4.7offen Z.ai (Zhipu AI) | 83,6 % | 112107–118 | 5 |
| 59 | Qwen 3.8 27Boffen Alibaba | 83,4 % | 120106–133 | 2 zu wenige Daten |
| 60 | GLM-5.2offen Z.ai (Zhipu AI) | 83,3 % | 121118–124 | 9 |
| 61 | Qwen 3.6 35B-A3Boffen Alibaba | 82,7 % | 111107–115 | 5 |
| 62 | DeepSeek-V3.2-Expoffen DeepSeek | 82,7 % | 112103–121 | 4 zu wenige Daten |
| 63 | MiMo-V2.5offen Xiaomi Corp | 82,4 % | 117104–131 | 2 zu wenige Daten |
| 64 | Inklingoffen Thinking Machines | 81,8 % | 114110–117 | 7 |
| 65 | Gemma 4 31B IToffen Google DeepMind | 81,6 % | 10498–110 | 4 zu wenige Daten |
| 66 | GLM-5.1offen Z.ai (Zhipu AI) | 81,2 % | 116112–120 | 7 |
| 67 | Claude Sonnet 4.5 Anthropic | 81,1 % | 110107–113 | 11 |
| 68 | Qwen3.5-122B-A10Boffen Alibaba | 80,7 % | 112103–121 | 3 zu wenige Daten |
| 69 | Gemini 2.5 Pro (Jun 2025) Google DeepMind | 80,6 % | 108104–112 | 7 |
| 70 | DeepSeek-V3.2offen DeepSeek | 80,3 % | 114101–127 | 2 zu wenige Daten |
| 71 | Qwen3.6 27Boffen Alibaba | 80,1 % | 115110–119 | 5 |
| 72 | GPT-5 mini OpenAI | 80,1 % | 115112–118 | 11 |
| 73 | Kimi K2 Thinkingoffen Moonshot | 79,7 % | 11299–126 | 2 zu wenige Daten |
| 74 | Qwen3-235B-A22B-Thinking (Jul 2025)offen Alibaba | 79,5 % | 111105–118 | 5 |
| 75 | DeepSeek-V3.1-Terminusoffen DeepSeek | 79,4 % | 10289–115 | 2 zu wenige Daten |
| 76 | DeepSeek-R1 (May 2025)offen DeepSeek | 78,5 % | 104100–109 | 4 zu wenige Daten |
| 77 | Gemma 4 26B A4Boffen Google DeepMind | 77,6 % | 106100–112 | 3 zu wenige Daten |
| 78 | GPT-5.4 Nano OpenAI | 77,6 % | 118115–121 | 8 |
| 79 | DeepSeek-V3.1offen DeepSeek | 77,1 % | 10087–113 | 2 zu wenige Daten |
| 80 | Claude Sonnet 4 Anthropic | 76,7 % | 9793–101 | 5 |
| 81 | GLM-4.6offen Z.ai (Zhipu AI), Tsinghua University | 76,5 % | 117106–128 | 3 zu wenige Daten |
| 82 | MiMo-V2.6 Flash Xiaomi Corp | 75,9 % | 11299–125 | 2 zu wenige Daten |
| 83 | gpt-oss-120boffen OpenAI | 75,8 % | 10699–112 | 5 |
| 84 | qwen3-coder-next — | 75,8 % | 10390–116 | 2 zu wenige Daten |
| 85 | Mistral Small 4offen Mistral AI | 75,3 % | 9683–108 | 2 zu wenige Daten |
| 86 | Qwen3.5-35B-A3Boffen Alibaba | 75,0 % | 106100–112 | 3 zu wenige Daten |
| 87 | Kimi K2 (Sep 2025)offen Moonshot | 74,7 % | 10592–118 | 2 zu wenige Daten |
| 88 | Qwen3.5-9Boffen Alibaba | 74,6 % | 10195–107 | 3 zu wenige Daten |
| 89 | Qwen3-235B-A22B-Instruct (Jul 2025)offen Alibaba | 73,9 % | 9685–107 | 3 zu wenige Daten |
| 90 | Gemini 2.5 Flash (Jun 2025) Google DeepMind | 73,8 % | 10291–113 | 3 zu wenige Daten |
| 91 | Claude Haiku 4.5 Anthropic | 73,1 % | 10499–108 | 7 |
| 92 | GLM-5offen Z.ai (Zhipu AI) | 72,9 % | 112105–118 | 4 zu wenige Daten |
| 93 | GPT-5 nano OpenAI | 68,4 % | 105102–109 | 10 |
| 94 | DeepSeek-V3offen DeepSeek | 66,2 % | 7773–82 | 4 zu wenige Daten |
| 95 | GPT-4.1 OpenAI | 66,1 % | 9187–94 | 10 |
| 96 | Llama 4 Maverickoffen Meta AI | 64,8 % | 8177–85 | 6 |
| 97 | GPT-4.1 mini OpenAI | 64,7 % | 9188–95 | 10 |
| 98 | DeepSeek-V3 (Mar 2025)offen DeepSeek | 64,6 % | 8581–90 | 4 zu wenige Daten |
| 99 | Claude Sonnet 4.6 Anthropic | 64,6 % | 113108–118 | 7 |
| 100 | Qwen3-30B-A3B-Instruct (Jul 2025)offen Alibaba | 64,2 % | 9186–97 | 4 zu wenige Daten |
| 101 | gpt-oss-20boffen OpenAI | 63,1 % | 9589–101 | 3 zu wenige Daten |
| 102 | Qwen3-30B-A3Boffen Alibaba | 60,4 % | 9488–100 | 3 zu wenige Daten |
| 103 | Qwen3-Coder-480B-A35Boffen Alibaba | 60,4 % | 8572–98 | 2 zu wenige Daten |
| 104 | Qwen3-32Boffen Alibaba | 55,7 % | 9589–100 | 5 |
| 105 | GPT-4o (May 2024) OpenAI | 54,2 % | 7066–75 | 4 zu wenige Daten |
| 106 | Qwen3-14Boffen Alibaba | 53,3 % | 9387–99 | 4 zu wenige Daten |
| 107 | GPT-4o (Aug 2024) OpenAI | 52,8 % | 7368–77 | 8 |
| 108 | GPT-4.1 nano OpenAI | 49,7 % | 7672–80 | 8 |
| 109 | glm-4.7-flash — | 49,2 % | 9488–100 | 3 zu wenige Daten |
| 110 | Llama 3.3 70Boffen Meta AI | 47,5 % | 6661–71 | 5 |
| 111 | Qwen2.5-72Boffen Alibaba | 46,1 % | 7268–77 | 4 zu wenige Daten |
| 112 | GPT-4o mini OpenAI | 43,1 % | 6864–73 | 9 |
| 113 | Gemma 3 12Boffen Google DeepMind | 37,9 % | 7366–79 | 4 zu wenige Daten |
| 114 | Qwen2.5-7Boffen Alibaba | 34,2 % | 5141–60 | 3 zu wenige Daten |
| 115 | Gemma 3 4Boffen Google DeepMind | 27,1 % | 6353–73 | 3 zu wenige Daten |
| 116 | Llama 3.1-8Boffen Meta AI | 26,9 % | 5549–60 | 3 zu wenige Daten |
| 117 | Llama 3.2 3Boffen Meta AI | 17,3 % | 6142–80 | 2 zu wenige Daten |
Datenquellen: Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); API list prices via LiteLLM's price table (MIT); each price links to the developer's pricing page; Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter..