跳过主要内容
评测来源/Humanity's Last Exam
观察中知识与语言

Humanity's Last Exam

Center for AI Safety / Scale AI · Humanity's Last Exam 的公开模型评测结果。

官方评测
来源说明

该来源测量模型在「知识与语言」领域的具体交付表现，原始成绩会和统一能力读数分开展示。

限制: 不同版本、推理设置和测试集可能导致分数变化，请结合数据时间阅读。

使用方式

参与排名的来源会影响能力分；参考、交叉参考和观察来源仅用于对比与核验。

本来源的模型成绩

Claude Fable 564.564.52026-06-09
Muse Spark 1.162.162.12026-07-09
Claude Fable 55959.02026-06-09
GPT-5.4 Pro58.758.72026-04-23
Claude Opus 4.857.957.92026-06-09
GPT-5.5 Pro57.257.22026-04-23
Claude Opus 4.754.754.72026-04-23
GPT-5.552.252.22026-04-23
GPT-5.452.152.12026-04-23
Claude Opus 4.849.849.82026-06-09
Step 3.7 Flash47.247.22026-05-29
Claude Opus 4.746.946.92026-04-23
Claude Sonnet 4.646.846.82026-06-30
Gemini 3.1 Pro Preview44.444.42026-05-19
GPT-5.5 Pro43.143.12026-04-23
GPT-5.4 Pro42.742.72026-04-23
GPT-5.541.441.42026-04-23
Qwen3.7 Max41.441.42026-05-19
GPT-5.439.839.82026-04-23
Nemotron 3 Ultra 550B A55B37.437.42026-06-04
Claude Sonnet 4.634.634.62026-06-30
Nemotron 3 Ultra 550B A55B26.726.72026-06-04

常见问题