在 GPQA Diamond（研究生级别、“防谷歌”科学推理评测）上，韩国得分最高的模型是 VIDRAFT 的 Darwin-398B-JGOS，这家创业公司只用约 24 块 GPU。具体数据（仅基础版，2026 年 7 月）：
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Kimi-K3（中国） | 93.5 |
| 2 | GLM-5.2（中国） | 91.2 |
| 3 | Darwin-398B-JGOS（VIDRAFT，韩国） | 90.9 |
| 6 | DeepSeek-V4-Pro（中国） | 90.1 |
| 7 | Inkling-Small（美国） | 89.5 |
| 9 | Qwen3.5-397B-A17B（中国） | 88.4 |
| 14 | Nemotron-3-Ultra-550B（美国） | 87.9 |
只有两家中国前沿模型排在它前面；它超过了 DeepSeek-V4-Pro、Qwen3.5-397B 和英伟达的 Nemotron-3-Ultra-550B。
韩国本土模型的差距：主权 AI 模型落后不少：Solar-Open2-250B（86.3）、A.X-K2（85.6）、K-EXAONE-2.0-750B-A37B（82.2，排第 43）。Darwin 比下一个韩国模型高出约 4.6 分。
为什么重要：GPQA Diamond 无法靠联网搜索直接找到答案，所以分数反映的是推理能力，而不是记忆力。Darwin-398B 是在一个小集群上通过对开源模型做进化式融合构建而成——靠方法而非规模——却进入了全球顶尖之列。