GPQA
GPQA（Graduate-Level Google-Proof Q&A）是一个面向研究生水平的专业知识问答基准测试，旨在评估大型语言模型在生物学、化学、物理学等自然科学领域的深度推理与专业知识掌握能力。题目由领域专家设计，难度较高，即使借助搜索引擎也难以轻易作答，常被用于衡量模型在专业领域的极限推理表现。
核心事实
时间轴 (近 90 天)
Mythos Preview比Mythos 5早发布两个多月，但在UK AISI cyber ranges、GPQA、HLE+tools、OSWorld及多数病毒学任务等多项基准测试上超越了Mythos 5
The industry has begun shifting toward more challenging benchmarks like GPQA and MATH as older benchmarks lose discriminative power
GPQA（研究生级别专业问答）专注于需要博士级专业知识的问题
GPT-5.5在GPQA博士级科学推理基准上从78.5%提升到85.6%
全部知识事实 (4)
GPQA（研究生级别专业问答）专注于需要博士级专业知识的问题
65%待验证The industry has begun shifting toward more challenging benchmarks like GPQA and MATH as older benchmarks lose discriminative power
80%待验证GPT-5.5在GPQA博士级科学推理基准上从78.5%提升到85.6%
70%待验证Mythos Preview比Mythos 5早发布两个多月，但在UK AISI cyber ranges、GPQA、HLE+tools、OSWorld及多数病毒学任务等多项基准测试上超越了Mythos 5
50%