BenchLeader

Humanity's Last Exam (AA)のリーダーボード

2026年11月16日時点で、Humanity's Last Exam (AA)の最高スコアは74.3%で、Claude Fable 5.2(Anthropic)が記録しています。次点はClaude Opus 5.5の61.4%です。公表された結果があるのは638のモデル構成です(Artificial Analysis、結果の日付は2026年11月9日)。Humanity's Last Examは、古典学から化学まで100を超える分野の専門家が作成した約2,500問で、作成時点で最先端のモデルが誤答した問題が選ばれています。大半は完全一致の記述式か多肢選択式で、画像を含む問題もあります。Humanity's Last Exam (AA)は参考として掲載しており、BenchLeader Indexには含まれません。

要点(2026年11月16日時点)

  • Claude Fable 5.2がHumanity's Last Exam (AA)の最高スコア74.3%を記録しています(Artificial Analysis、2026年11月9日)。
  • Humanity's Last Exam (AA)の2位はClaude Opus 5.5で、61.4%です(Artificial Analysis、2026年9月22日)。
  • Humanity's Last Exam (AA):Artificial Analysisが独自に実行したHLE。Index v5ではHLE-Diamondに置き換えられ、記録として残しています(Artificial Analysis)。
  • BenchLeaderでは638のモデル構成にHumanity's Last Exam (AA)の公表結果があります(BenchLeader、2026年11月16日)。
  • Humanity's Last Exam (AA)はBenchLeader Indexには反映されず、参考として掲載しています(BenchLeaderの評価方法)。

Artificial Analysisが独自に実行したHLE。Index v5ではHLE-Diamondに置き換えられ、記録として残しています。

公開元
Artificial Analysis
カテゴリ
推論
Indexでの重み
参考のみ
モデル
638
データ基準日
2026年11月16日

Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.

どんなテストか

Humanity's Last Examは、古典学から化学まで100を超える分野の専門家が作成した約2,500問で、作成時点で最先端のモデルが誤答した問題が選ばれています。大半は完全一致の記述式か多肢選択式で、画像を含む問題もあります。

採点方法

完全一致の記述式問題と多肢選択問題での正答率です。

注意点

Artificial Analysisが自社の固定ハーネスで独自に実行したHumanity's Last Examで、テキストのみの問題を対象にしています。参考として表示しており、Indexに反映しているのはScale AIとCAISの公式ボードです。Artificial Analysisは画像を含む問題を除外しているため、スコアはわずかに異なります。Humanity's Last Examのボードもあわせてご覧ください。

638件中638件
#
1NEWClaude Fable 5.2max74.3%72.72026-11-09
2NEWClaude Fable 5.2xhigh68.9%69.72026-11-09
3NEWClaude Fable 5.2high66.2%68.42026-11-09
4NEWClaude Fable 5.2medium61.9%66.32026-11-09
5Claude Opus 5.5max61.4%68.42026-09-22
6NEWClaude Fable 5.2low59.7%65.32026-11-09
7Claude Fable 5.1max59.1%66.72026-09-01
8Claude Fable 5.1xhigh58.7%64.62026-09-01
9Claude Opus 5.5xhigh57.5%65.42026-09-22
10Gemini 4 Argonhigh57.1%65.32026-09-30
11Claude Fable 5.1high55.9%63.72026-09-01
12Claude Opus 5.5high55.6%66.02026-09-22
13Claude Fable 5max55.5%65.12026-06-09
14Claude Sonnet 5.5max55.0%64.22026-09-28
15Claude Opus 5max54.9%65.02026-07-24
16Claude Opus 5.5medium54.7%61.22026-09-22
17GPT-6 Astramax54.7%67.32026-09-03
18GPT-6 Astraxhigh54.6%66.02026-09-03
19Claude Opus 5xhigh54.4%60.12026-07-24
20Claude Fable 5.1medium53.8%61.72026-09-01
21Muse Wonder Fullmax53.6%61.72026-10-12
22GPT-6 Astrahigh53.1%66.32026-09-03
23GPT-6.1 Solmax52.9%66.62026-09-29
24Claude Opus 5high52.8%64.42026-07-24
25GPT-6 Astramedium52.7%64.42026-09-03
26GPT-6.1 Solxhigh52.6%63.62026-09-29
27Kimi K3.1 Pro52.5%61.82026-10-23
28GPT-6.1 Solhigh51.4%63.42026-09-29
29Claude Opus 5medium51.3%57.52026-07-24
30Muse Wondermax50.1%60.82026-10-12
31Claude Sonnet 5.5xhigh50.0%62.52026-09-28
32Gemini 4 Argonmedium49.9%61.62026-09-30
33GPT-6.1 Solmedium49.9%62.72026-09-29
34GPT-5.6 Solmax49.5%65.32026-07-09
35MiMo-V2.6-Pro49.4%57.52026-09-21
36GPT-6 Astralow49.2%62.02026-09-03
37Claude Fable 5.1low48.9%58.82026-09-01
38Muse Spark 1.3max48.7%60.62026-09-02
39Claude Opus 4.8max48.7%61.12026-05-28
40Claude Opus 5.5low48.3%58.92026-09-22
41MiniMax M3.1 Flash48.0%54.32026-10-19
42GPT-6 Solmax47.9%62.62026-09-22
43Gemini 3.7 Flashhigh47.9%62.12026-08-13
44Gemini 3.8 Flashhigh47.8%59.42026-09-02
45Muse Spark 1.3xhigh47.5%58.12026-09-02
46GPT-6.1 Sollow47.4%60.02026-09-29
47GPT-5.6 Solxhigh47.3%63.92026-07-09
48Gemini 3.1 Pro47.0%59.92026-02-19
49Kimi K3max46.9%60.22026-07-16
50Step 5 Preview46.5%56.02026-09-18
51GPT-6 Solxhigh46.3%58.42026-09-22
52GPT-6.1 Terramax46.3%64.12026-10-26
53Muse Spark 1.1xhigh46.2%59.52026-07-09
54GPT-5.6 Solhigh46.0%63.42026-07-09
55Claude Sonnet 5.5high45.8%59.52026-09-28
56GPT-5.5xhigh45.8%64.12026-04-23
57Muse Spark 1.2xhigh45.5%61.52026-08-05
58GPT-5.5high45.0%63.52026-04-23
59Claude Haiku 5.5max44.4%55.32026-10-07
60GPT-6 Solhigh44.1%58.12026-09-22

推論のベンチマークをもっと見る · LLMベンチマーク一覧

引用表記:BenchLeader「Humanity's Last Exam (AA)のリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/aa_hle

Humanity's Last Exam (AA):よくある質問

Humanity's Last Exam (AA)は何を測るベンチマークですか?
Humanity's Last Examは、古典学から化学まで100を超える分野の専門家が作成した約2,500問で、作成時点で最先端のモデルが誤答した問題が選ばれています。大半は完全一致の記述式か多肢選択式で、画像を含む問題もあります。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
Humanity's Last Exam (AA)の最高スコアは?
2026年11月16日時点で、Humanity's Last Exam (AA)の最高スコアは74.3%で、Claude Fable 5.2が記録しています(結果の日付は2026年11月9日)。次点はClaude Opus 5.5の61.4%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
Humanity's Last Exam (AA)でトップのAIモデルは?
2026年11月16日時点で、Humanity's Last Exam (AA)の首位はClaude Fable 5.2で、スコアは74.3%です(結果の日付は2026年11月9日)。続いてClaude Opus 5.5(61.4%)です。
Humanity's Last Exam (AA)の結果があるモデルはいくつですか?
BenchLeaderでは638のモデル構成にHumanity's Last Exam (AA)の結果があり、すべてArtificial Analysisから取得しています。
Humanity's Last Exam (AA)を運営しているのは誰で、どのくらいの頻度で更新されますか?
Humanity's Last Exam (AA)はArtificial Analysisが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
Humanity's Last Exam (AA)はBenchLeader Indexに含まれますか?
いいえ。Humanity's Last Exam (AA)は参考として掲載していますが、総合スコアには含めていません。