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。

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


Fugu Ultra	50	50.0	2026-08-05
Fugu	47.2	47.2	2026-08-05

常见问题