HLE (w/ Tools)Agent推理

最大上下文 300000 tokens, 无上下文管理策略HLE 的工具增强版本，允许模型在作答 HLE 题目时使用 Python 解释器、网络搜索、代码执行等外部工具。用于评估工具使用能否帮助模型突破纯文本推理的瓶颈，在超难知识型问题上取得更好表现。

排行数据源

#模型得分

1

GPT-5.6 SolOpenAI

64.5%

2

Claude Fable 5Anthropic

64.5%

3

GLM-5.3智谱AI

62.5%

4

DeepSeek-V4-Pro-0813深度求索

60.0%

5

Kimi K3月之暗面

59.8%

6

GPT-5.4 ProOpenAI

58.7%

7

Claude Opus 4.8Anthropic

57.9%

8

GPT-5.5 ProOpenAI

57.2%

9

Qwen3.8-Max阿里巴巴

56.2%

10

Qwen3.8-2.4T-A95B阿里巴巴

56.2%

共 47 个模型

返回基准目录

HLE (w/ Tools)Agent推理

官方网站

最大上下文 300000 tokens, 无上下文管理策略HLE 的工具增强版本，允许模型在作答 HLE 题目时使用 Python 解释器、网络搜索、代码执行等外部工具。用于评估工具使用能否帮助模型突破纯文本推理的瓶颈，在超难知识型问题上取得更好表现。

排行数据源

#模型得分

1

GPT-5.6 SolOpenAI

64.5%

2

Claude Fable 5Anthropic

64.5%

3

GLM-5.3智谱AI

62.5%

4

DeepSeek-V4-Pro-0813深度求索

60.0%

5

Kimi K3月之暗面

59.8%

6

GPT-5.4 ProOpenAI

58.7%

7

Claude Opus 4.8Anthropic

57.9%

8

GPT-5.5 ProOpenAI

57.2%

9

Qwen3.8-Max阿里巴巴

56.2%

10

Qwen3.8-2.4T-A95B阿里巴巴

56.2%

共 47 个模型