Ga naar inhoud

Benchmarks · Vals AI

GPQA Diamond (Vals-run)

Algemene redeneerbenchmark: wetenschappelijke meerkeuzevragen op masterniveau (Vals draait het zelf; "Archived Benchmark", verzadigd, geen nieuwe modellen meer; laatste update 01-09-2026). Niet juridisch.

Modellen gemeten
109
Bovenaan
95,45 %Gemini 3.1 Pro Preview (02/26)binnen de standaardfout van ±1,05
Versie
1
Peildatum
1 september 2026
Naar de bronDeze benchmark telt niet mee in de PrudentScore.

01

Ranglijst

Bovenaan: Top 15

Vals AI Legal Research Bench, all-pass [1]. Gestreepte balken vallen af op de compliancepoort.

  1. 1Gemini 3.1 Pro Preview (02/26)95,45%
  2. 2GPT-5.6 Sol95,20%
  3. 3Grok 4.694,70%
  4. 4Gemini 3.8 Flash94,44%
  5. 5Gemini 3.7 Flash93,94%
  6. 6Qwen 3.8 Max93,69%
  7. 7=Claude Fable 5.193,43%
  8. 7=Claude Opus 593,43%
  9. 7=Gemini 3.6 Flash93,43%
  10. 10=Claude Fable 593,18%
  11. 10=GPT 5.593,18%
  12. 12=Grok 4.592,93%
  13. 12=Kimi K392,93%
  14. 14=Gemini 3.5 Flash92,68%
  15. 14=MiniMax-M392,68%

Bron: Vals AI (GPQA Diamond (Vals-run)) · Licentie: CC BY 4.0 · Bewerking: Prudai selecteerde de modellen, vertaalde de uitleg, voegde de poortuitslag en de PrudentScore toe en rondde getallen af op twee decimalen.

Voldoet aan de compliancepoortValt af op de compliancepoort
GPQA Diamond (Vals-run) 1
# ModelScoreKosten/taakPoortPrudentScore
1Gemini 3.1 Pro Preview (02/26)Google95,45%± 1,05-Valt afgeen score
2GPT-5.6 SolOpenAI95,20%± 1,07-Voldoet57
3Grok 4.6xAI (SpaceXAI)94,70%± 1,13-Valt afgeen score
4Gemini 3.8 FlashGoogle94,44%± 1,48-Voldoet62
5Gemini 3.7 FlashGoogle93,94%± 1,49-Voldoet58
6Qwen 3.8 MaxAlibaba93,69%± 1,22-Nog niet beoordeeldgeen score
7=Claude Fable 5.1Anthropic93,43%± 1,86-Valt afgeen score
7=Claude Opus 5Anthropic93,43%± 1,24-Voldoet72
7=Gemini 3.6 FlashGoogle93,43%± 1,33-Voldoet46
10=Claude Fable 5Anthropic93,18%± 1,94-Valt afgeen score
10=GPT 5.5OpenAI93,18%± 1,29-Voldoet51
12=Grok 4.5xAI (SpaceXAI)92,93%± 1,29-Valt afgeen score
12=Kimi K3Moonshot AI92,93%± 1,31-Valt afgeen score
14=Gemini 3.5 FlashGoogle92,68%± 1,46-Voldoet47
14=MiniMax-M3MiniMax92,68%± 1,44-Valt afgeen score
16=Claude Opus 4.8Anthropic92,42%± 1,98-Voldoet62
16=DeepSeek V4 Pro (0813)DeepSeek92,42%± 2,02-Valt afgeen score
18=Gemini 3 Pro (11/25)Google91,67%± 1,39-Valt afgeen score
18=GPT 5.2OpenAI91,67%± 1,84-Voldoetgeen score
18=GPT 5.4 (xhigh)OpenAI91,67%± 1,91-Voldoet0
18=GPT-5.6 LunaOpenAI91,67%± 1,74-Voldoet56
22Grok 4.3xAI (SpaceXAI)91,41%± 1,41-Valt afgeen score
23Muse Spark 1.1Meta91,16%± 2,10-Valt afgeen score
24GPT-5.6 TerraOpenAI90,91%± 1,91-Voldoet53
25=Claude Opus 4.7Anthropic90,15%± 1,54-Voldoet54
25=Qwen 3.7 MaxAlibaba90,15%± 1,50-Nog niet beoordeeldgeen score
27DeepSeek V4 Flash 0731DeepSeek89,90%± 1,69-Valt afgeen score
28=Claude Opus 4.6 (Thinking)Anthropic89,65%± 1,19-Voldoetgeen score
28=Muse SparkMeta89,65%± 1,55-Valt afgeen score
30DeepSeek V4 Pro (2026-04-23)DeepSeek89,39%± 1,65-Valt afgeen score
31Kimi K2.6Moonshot AI89,14%± 2,00-Valt afgeen score
32=Claude Sonnet 5Anthropic88,89%± 2,22-Voldoet59
32=Qwen 3.8 27BAlibaba88,89%± 1,58-Valt afgeen score
34Grok 4.20 (Reasoning)xAI (SpaceXAI)88,64%± 1,59-Valt afgeen score
35=GLM 5.3Z.ai88,13%± 1,85-Valt afgeen score
35=Grok 4xAI (SpaceXAI)88,13%± 1,63-Valt afgeen score
37Gemini 3 Flash (12/25)Google87,88%± 1,64-Valt afgeen score
38=Qwen 3.5 PlusAlibaba87,37%± 1,67-Nog niet beoordeeldgeen score
38=Qwen 3.6 PlusAlibaba87,37%± 1,67-Nog niet beoordeeldgeen score
40InklingThinking Machines87,12%± 1,78-Valt afgeen score
41=GPT 5.1OpenAI86,62%± 1,71-Voldoetgeen score
41=MiniMax-M2.7MiniMax86,62%± 1,95-Valt afgeen score
43GLM 5.3 FlashZ.ai86,36%± 2,13-Valt afgeen score
44Nemotron 3 UltraNVIDIA86,11%± 1,74-Valt afgeen score
45Claude Opus 4.5 (Thinking)Anthropic85,86%± 2,48-Voldoetgeen score
46=Claude Sonnet 4.6Anthropic85,61%± 2,41-Voldoet55
46=GLM 5.2Z.ai85,61%± 1,77-Valt afgeen score
46=GPT 5OpenAI85,61%± 1,76-Voldoetgeen score
49Grok 4 Fast (Reasoning)xAI (SpaceXAI)85,35%± 1,79-Valt afgeen score
50=Ling 3.0 FlashAnt Group84,85%± 2,20-Valt afgeen score
50=Qwen 3 Max ThinkingAlibaba84,85%± 1,80-Nog niet beoordeeldgeen score
52GLM 5.1Z.ai84,52%± 1,82-Valt afgeen score
53Grok 4.1 Fast (Reasoning)xAI (SpaceXAI)84,34%± 1,85-Valt afgeen score
54=Kimi K2.5Moonshot AI84,09%± 2,13-Voldoet37
54=o3OpenAI84,09%± 1,86-Voldoetgeen score
56Gemini 3.5 Flash LiteGoogle83,84%± 1,85-Voldoet38
57Inkling SmallThinking Machines83,59%± 2,04-Valt afgeen score
58GLM 5Z.ai83,33%± 1,87-Voldoetgeen score
59GPT 5.4 MiniOpenAI83,08%± 2,46-Voldoet25
60Qwen 3.5 FlashAlibaba82,83%± 1,90-Nog niet beoordeeldgeen score
61MiMo V2.5 ProXiaomi82,58%± 2,47-Valt afgeen score
62MiniMax-M2.5MiniMax82,07%± 2,26-Voldoetgeen score
63Claude Sonnet 4.5 (Thinking)Anthropic81,63%± 2,25-Voldoetgeen score
64=Gemini 2.5 Flash Preview (9/25) (Nonthinking)Google81,57%± 2,00-Valt afgeen score
64=MiMo V2.5Xiaomi81,57%± 2,05-Valt afgeen score
66Gemini 3.1 Flash Lite PreviewGoogle81,06%± 1,97-Nog niet beoordeeldgeen score
67=DeepSeek V3.2 (Thinking)DeepSeek80,30%± 2,00-Voldoetgeen score
67=GPT 5 MiniOpenAI80,30%± 2,00-Voldoetgeen score
69GLM 4.7Z.ai80,05%± 2,01-Voldoetgeen score
70=Claude Opus 4.5 (Nonthinking)Anthropic79,55%± 2,46-Voldoetgeen score
70=Qwen 3 MaxAlibaba79,55%± 2,03-Nog niet beoordeeldgeen score
72=GPT OSS 120BOpenAI78,54%± 2,25-Voldoetgeen score
72=Kimi K2 ThinkingMoonshot AI78,54%± 2,18-Valt afgeen score
72=MiniMax-M2.1MiniMax78,54%± 2,13-Voldoetgeen score
75Qwen 3 Max PreviewAlibaba77,78%± 2,09-Nog niet beoordeeldgeen score
76GPT 5.4 NanoOpenAI77,53%± 2,42-Voldoet29
77Gemini 2.5 Flash Preview (9/25) (Thinking)Google76,52%± 2,15-Valt afgeen score
78=Claude Opus 4.1 (Thinking)Anthropic76,26%± 2,16-Valt afgeen score
78=DeepSeek V3.2 (Nonthinking)DeepSeek76,26%± 2,16-Voldoetgeen score
80Claude Sonnet 4 (Thinking)Anthropic75,00%± 2,19-Valt afgeen score
81=GLM 4.6Z.ai74,50%± 2,20-Valt afgeen score
81=o4 MiniOpenAI74,50%± 2,19-Voldoetgeen score
83=Claude Haiku 4.5 (Thinking)Anthropic72,22%± 2,47-Voldoet32
83=GLM 4.5Z.ai72,22%± 2,26-Valt afgeen score
85Claude Opus 4 (Nonthinking)Anthropic71,72%± 2,26-Valt afgeen score
86Kimi K2 InstructMoonshot AI71,46%± 2,27-Valt afgeen score
87Gemini 2.5 Flash Lite (9/25) (Thinking)Google70,20%± 2,30-Valt afgeen score
88Claude Opus 4.1 (Nonthinking)Anthropic69,95%± 2,30-Valt afgeen score
89=Claude Sonnet 4 (Nonthinking)Anthropic69,44%± 2,31-Valt afgeen score
89=Llama 4 MaverickMeta69,44%± 2,35-Valt afgeen score
91GPT OSS 20BOpenAI68,94%± 2,46-Voldoetgeen score
92Mistral Large 3Mistral AI68,43%± 2,37-Voldoetgeen score
93GPT 4.1 MiniOpenAI67,93%± 2,35-Voldoetgeen score
94GPT 4.1OpenAI65,40%± 2,40-Voldoetgeen score
95Grok 4.1 Fast Non-ReasoningxAI (SpaceXAI)65,15%± 2,40-Valt afgeen score
96Gemini 2.5 Flash Lite (9/25) (Nonthinking)Google64,14%± 2,41-Valt afgeen score
97GPT 5 NanoOpenAI63,38%± 2,46-Voldoetgeen score
98Magistral Medium 1.2 (09/2025)Mistral AI62,37%± 2,44-Nog niet beoordeeldgeen score
99Grok 4 Fast (Non-Reasoning)xAI (SpaceXAI)62,12%± 2,43-Valt afgeen score
100MiMo V2 FlashXiaomi59,34%± 2,50-Valt afgeen score
101Magistral Small 1.2 (09/2025)Mistral AI58,33%± 2,49-Voldoetgeen score
102Laguna XS.2Poolside55,05%± 2,50-Valt afgeen score
103GPT 4o (2024-11-20)OpenAI53,79%± 2,51-Voldoetgeen score
104GPT 4.1 NanoOpenAI50,76%± 2,46-Voldoetgeen score
105Command ACohere48,48%± 2,28-Valt afgeen score
106Llama 4 ScoutMeta46,97%± 2,49-Valt afgeen score
107Mistral Small 3.1 (03/2025)Mistral AI44,19%± 2,47-Voldoetgeen score
108Mistral Medium 3.5Mistral AI34,85%± 2,39-Voldoet23
109Laguna M.1Poolside27,02%± 1,92-Valt afgeen score

Bron: Vals AI (GPQA Diamond (Vals-run)) · Licentie: CC BY 4.0 · Bewerking: Prudai selecteerde de modellen, vertaalde de uitleg, voegde de poortuitslag en de PrudentScore toe en rondde getallen af op twee decimalen.

Vals AI · Versie 1 · Peildatum 1 september 2026 · Naar de bron. De PrudentScore is een samenstelling door Prudai B.V. op basis van openbaar gepubliceerde cijfers en vertegenwoordigt niet de opvatting of goedkeuring van Vals AI, Harvey of Artificial Analysis. Cijfers van Artificial Analysis staan uitsluitend in lopende tekst, met bronvermelding en link, zoals de voorwaarden van die partij voorschrijven [9].

Andere benchmarks

Claude en Anthropic, GPT en OpenAI, Gemini en Google, Grok en xAI, Kimi en Moonshot AI, Muse en Meta, Mistral, DeepSeek, GLM en Z.ai, Harvey, Vals AI en Artificial Analysis zijn handelsmerken van hun respectieve eigenaren. Vermelding dient uitsluitend ter identificatie en impliceert geen samenwerking, sponsoring of goedkeuring.