HLE (Humanity's Last Exam)推理

temperature=1.0, top_p=0.95, max=163840 tokens, 默认 text-only 子集Humanity's Last Exam (HLE) 是由 CAIS 与 Scale AI 于 2025 年发布的极难评测集，包含约 2500 道来自数学、物理、化学、生物、历史、法律等多领域的高难度题目。格式为多项选择和自由回答，旨在衡量 AI 在人类专家级别知识上的极限表现，被称为「人类的最后考试」。

排行数据源

#模型得分

1

Claude Fable 5Anthropic

53.3%

2

Claude Opus 4.8Anthropic

49.8%

3

GPT-5.6 SolOpenAI

47.2%

4

GPT-5.5OpenAI

46.9%

5

Claude Opus 4.7Anthropic

46.9%

6

Gemini 3.1 ProGoogle

45.0%

7

Qwen3.8-2.4T-A95B阿里巴巴

43.6%

8

Qwen3.8-Max阿里巴巴

43.6%

9

Kimi K3月之暗面

43.5%

10

GPT-5.5 ProOpenAI

43.1%

共 69 个模型

返回基准目录