Evolución
Familias chinas en la prueba GPQA Diamond, con Epoch y licencia CC BY 4.0.
Familias chinas en GPQA Diamond
Familias chinas en la prueba GPQA Diamond, con Epoch y licencia CC BY 4.0.
- ● Qwen (linha Max)
- ● DeepSeek
- ● Kimi (Moonshot)
- ● GLM (Z.ai)
El eje marca solo el año. El detalle de cada punto trae el modelo y el valor. La tabla repite los mismos números, y el enlace lleva a la fuente.
Tabla del gráfico
| Modelo | Valor | Laboratorio | Quién midió | Licencia | Fuente |
|---|---|---|---|---|---|
| Qwen2.5-Max | 56,1% | Alibaba desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen3-235B-A22B | 70,7% | Alibaba desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen3-235B-A22B (Jul 2025) | 80,1% | Alibaba desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen3-Max | 72,6% | Alibaba desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen3.5 397B-A17B | 86,4% | Alibaba | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen 3.6 Max (Preview) | 87,4% | Alibaba | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen3.7-Max | 90,9% | Alibaba | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen 3.8 Max | 92,7% | Alibaba | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen3.8 Max (0902) | 92,3% | Alibaba | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek-R1 | 71,7% | DeepSeek desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek-V3 (Mar 2025) | 67,6% | DeepSeek desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek-R1 (May 2025) | 76,3% | DeepSeek desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek-V3.2 | 83,4% | DeepSeek desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek-V4-Pro | 90,9% | DeepSeek | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek V4 Flash 0731 | 91% | DeepSeek | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek V4 Pro 0813 | 91,7% | DeepSeek | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek V4.1 Flash | 89,8% | DeepSeek | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek V4.1 Flash 1017 | 93,2% | DeepSeek | ● Epoch AI | CC-BY-4.0 | Fuente |
| Kimi K2 Thinking | 84,2% | Moonshot desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Kimi K2.5 | 87,6% | Moonshot desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Kimi K2.6 | 90,8% | Moonshot desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Kimi K2.7 Code | 87,9% | Moonshot | ● Epoch AI | CC-BY-4.0 | Fuente |
| Kimi K3 | 93,1% | Moonshot | ● Epoch AI | CC-BY-4.0 | Fuente |
| Kimi K3.1 Pro | 94,2% | Moonshot | ● Epoch AI | CC-BY-4.0 | Fuente |
| GLM-4.7 | 83,3% | Z.ai (Zhipu AI) desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| GLM-5 | 87,8% | Z.ai (Zhipu AI) desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| GLM-5.1 | 89,9% | Z.ai (Zhipu AI) | ● Epoch AI | CC-BY-4.0 | Fuente |
| GLM-5.2 | 91,9% | Z.ai (Zhipu AI) desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| GLM-5.3 | 90,9% | Z.ai (Zhipu AI) | ● Epoch AI | CC-BY-4.0 | Fuente |
| GLM-5.3-Flash | 90,2% | Z.ai (Zhipu AI) | ● Epoch AI | CC-BY-4.0 | Fuente |
Récord de GPQA Diamond por laboratorio
Récord de cada laboratorio en la misma prueba, en escalones, con Epoch y licencia CC BY 4.0.
- ● Alibaba
- ● DeepSeek
- ● Moonshot
- ● Z.ai (Zhipu AI)
- ● OpenAI
- ● Anthropic
- ● Google DeepMind
El eje marca solo el año. El detalle de cada punto trae el modelo y el valor. La tabla repite los mismos números, y el enlace lleva a la fuente.
Tabla del gráfico
| Modelo | Valor | Laboratorio | Quién midió | Licencia | Fuente |
|---|---|---|---|---|---|
| Qwen1.5-72B | 28,8% | Alibaba desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen1.5-32B | 30,7% | Alibaba desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen2-72B | 40,8% | Alibaba desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen2.5-32B | 46,1% | Alibaba desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen2.5-72B | 49,1% | Alibaba desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen2.5-Max | 56,1% | Alibaba desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| QwQ-32B | 65,3% | Alibaba | ● Epoch AI | CC-BY-4.0 | Fuente |
| QWQ-Plus | 65,4% | Alibaba desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen3-235B-A22B | 70,7% | Alibaba desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen3-32B | 65,7% | Alibaba | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen3-235B-A22B (Jul 2025) | 80,1% | Alibaba desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen3.5 397B-A17B | 86,4% | Alibaba | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen 3.6 Plus | 88,4% | Alibaba | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen3.7-Max | 90,9% | Alibaba | ● Epoch AI | CC-BY-4.0 | Fuente |
| Qwen 3.8 Max | 92,7% | Alibaba | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek-V3 | 56,5% | DeepSeek desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek-R1 | 71,7% | DeepSeek desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek-R1-Distill-Qwen-32B | 64,1% | DeepSeek | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek-R1 (May 2025) | 76,3% | DeepSeek desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek-V3.2 | 83,4% | DeepSeek desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek-V4-Pro | 90,9% | DeepSeek | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek V4 Flash 0731 | 91% | DeepSeek | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek V4 Pro 0813 | 91,7% | DeepSeek | ● Epoch AI | CC-BY-4.0 | Fuente |
| DeepSeek V4.1 Flash 1017 | 93,2% | DeepSeek | ● Epoch AI | CC-BY-4.0 | Fuente |
| Kimi K2 Thinking | 84,2% | Moonshot desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Kimi K2.5 | 87,6% | Moonshot desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Kimi K2.6 | 90,8% | Moonshot desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Kimi K3 | 93,1% | Moonshot | ● Epoch AI | CC-BY-4.0 | Fuente |
| Kimi K3.1 Pro | 94,2% | Moonshot | ● Epoch AI | CC-BY-4.0 | Fuente |
| GLM-4.7 | 83,3% | Z.ai (Zhipu AI) desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| GLM-5 | 87,8% | Z.ai (Zhipu AI) desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| GLM-5.1 | 89,9% | Z.ai (Zhipu AI) | ● Epoch AI | CC-BY-4.0 | Fuente |
| GLM-5.2 | 91,9% | Z.ai (Zhipu AI) desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| GPT-4 Turbo (Apr 2024) | 46,6% | OpenAI desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| GPT-4o | 49,2% | OpenAI desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| o1-mini | 62,4% | OpenAI desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| o1-preview | 50,3% | OpenAI desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| o1 | 76,8% | OpenAI desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| o3-mini | 77% | OpenAI desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| o3 | 81,8% | OpenAI desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| o4-mini | 79,6% | OpenAI desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| GPT-5 | 86,2% | OpenAI desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| GPT-5.1 | 87,6% | OpenAI desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| GPT-5.2 | 91,4% | OpenAI desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| GPT-5.4 | 93,3% | OpenAI desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| GPT-5.4 Pro | 94,6% | OpenAI desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| GPT-6 Astra | 95,8% | OpenAI | ● Epoch AI | CC-BY-4.0 | Fuente |
| Claude 3 Opus | 47,2% | Anthropic desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Claude 3 Sonnet | 40,6% | Anthropic desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Claude 3.5 Sonnet | 54% | Anthropic desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Claude 3.5 Sonnet (October 2024) | 55,3% | Anthropic desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Claude 3.7 Sonnet | 79,7% | Anthropic desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Claude Sonnet 4.5 | 82,3% | Anthropic desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Claude Opus 4.5 | 86% | Anthropic desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Claude Opus 4.6 | 90,5% | Anthropic desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Claude Opus 4.8 | 91% | Anthropic desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Claude Opus 5 | 93,9% | Anthropic | ● Epoch AI | CC-BY-4.0 | Fuente |
| Claude Sonnet 5.5 | 95,6% | Anthropic | ● Epoch AI | CC-BY-4.0 | Fuente |
| Gemma 2 27B | 36,5% | Google DeepMind desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Gemma 2 9B | 27,5% | Google DeepMind desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Gemini 1.5 Flash | 47,3% | Google DeepMind desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Gemini 1.5 Pro | 57,2% | Google DeepMind desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Gemini 2.0 Pro | 65,7% | Google DeepMind desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Gemini 2.5 Pro (Mar 2025) | 83,8% | Google DeepMind desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Gemini 2.5 Pro (Jun 2025) | 85,3% | Google DeepMind desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Gemini 3 Pro | 92,6% | Google DeepMind desactualizado | ● Epoch AI | CC-BY-4.0 | Fuente |
| Gemini 3.1 Pro | 94,4% | Google DeepMind | ● Epoch AI | CC-BY-4.0 | Fuente |
| Gemini 3.7 Flash | 94,8% | Google DeepMind | ● Epoch AI | CC-BY-4.0 | Fuente |
| Gemini 3.8 Flash | 95,4% | Google DeepMind | ● Epoch AI | CC-BY-4.0 | Fuente |
| Gemini 4 Argon | 96,4% | Google DeepMind | ● Epoch AI | CC-BY-4.0 | Fuente |
Cómo leer estos gráficos
- Cada punto es la mejor ejecución de ese modelo en el export de Epoch.
- La franja por encima de 90 marca la zona de saturación.
- La tabla de abajo repite modelo, valor, laboratorio, quién midió, licencia y el enlace de la fuente.