BenchLeader

HLE-Diamond (AA)のリーダーボード

2026年11月16日時点で、HLE-Diamond (AA)の最高スコアは80.2%で、Claude Fable 5.2(Anthropic)が記録しています。次点はGemini 4 Carbonの69.1%です。公表された結果があるのは169のモデル構成です(Artificial Analysis、結果の日付は2026年11月9日)。HLE-Diamondは、Artificial AnalysisのIntelligence Index v5で使われる、Humanity's Last Examを1,000問(推論500問、知識500問)に絞り込んだ改良版です。HLE-Diamond (AA)はBenchLeader Indexの推論スコアに反映されます。

要点(2026年11月16日時点)

  • Claude Fable 5.2がHLE-Diamond (AA)の最高スコア80.2%を記録しています(Artificial Analysis、2026年11月9日)。
  • HLE-Diamond (AA)の2位はGemini 4 Carbonで、69.1%です(Artificial Analysis、2026年10月28日)。
  • HLE-Diamond (AA):HLEを1,000問(推論500、知識500)に絞った改良版。Intelligence Index v5で使用。Artificial Analysisが実施(Artificial Analysis)。
  • BenchLeaderでは169のモデル構成にHLE-Diamond (AA)の公表結果があります(BenchLeader、2026年11月16日)。
  • HLE-Diamond (AA)はBenchLeader Indexの推論カテゴリに反映されます(BenchLeaderの評価方法)。

HLEを1,000問(推論500、知識500)に絞った改良版。Intelligence Index v5で使用。Artificial Analysisが実施。

公開元
Artificial Analysis
カテゴリ
推論
Indexでの重み
1.0
モデル
169
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

HLE-Diamondは、Artificial AnalysisのIntelligence Index v5で使われる、Humanity's Last Examを1,000問(推論500問、知識500問)に絞り込んだ改良版です。

採点方法

Diamondサブセットでの正答率で、Artificial Analysisが実行しています。

注意点

HLEの非公開サブセットで、EpochとArtificial Analysisも公表している公開版HLEのボードとは別物です。EpochのHLE全体とは十分に異なるため、どちらもBenchLeader Indexに反映しています。

169件中169件
#
1NEWClaude Fable 5.2max80.2%72.72026-11-09
2NEWClaude Fable 5.2xhigh75.8%69.72026-11-09
3NEWClaude Fable 5.2high73.8%68.42026-11-09
4Gemini 4 Carbonhigh69.1%68.92026-10-28
5Claude Opus 5.5max67.9%68.42026-09-22
6Gemini 4 Carbonmedium67.4%65.82026-10-28
7NEWClaude Fable 5.2medium66.3%66.32026-11-09
8Claude Opus 5.5xhigh64.0%65.42026-09-22
9GPT-6 Astramax63.8%67.32026-09-03
10Gemini 4 Carbonlow61.9%60.12026-10-28
11GPT-6 Astraxhigh61.5%66.02026-09-03
12NEWClaude Fable 5.2low60.8%65.32026-11-09
13Claude Fable 5.1max60.1%66.72026-09-01
14GPT-6 Astrahigh59.3%66.32026-09-03
15GPT-6.1 Solmax58.8%66.62026-09-29
16Claude Fable 5.1xhigh58.8%64.62026-09-01
17NEWGemini 4 Hydrogenxhigh58.8%61.82026-11-12
18Gemini 4 Argonhigh56.7%65.32026-09-30
19GPT-6.1 Solxhigh55.8%63.62026-09-29
20Claude Opus 5.5high55.6%66.02026-09-22
21NEWGemini 4 Hydrogenhigh54.9%63.42026-11-12
22Claude Sonnet 5.5max53.3%64.22026-09-28
23GPT-6 Astramedium52.7%64.42026-09-03
24GPT-6.1 Solhigh51.9%63.42026-09-29
25Claude Opus 5.5medium51.4%61.22026-09-22
26Claude Fable 5.1high50.4%63.72026-09-01
27Muse Wonder Fullmax48.5%61.72026-10-12
28NEWGemini 4 Hydrogenmedium47.7%–2026-11-12
29GPT-6.1 Terramax47.3%64.12026-10-26
30GPT-6.1 Solmedium46.0%62.72026-09-29
31GPT-6 Solmax45.2%62.62026-09-22
32GPT-6 Astralow45.1%62.02026-09-03
33Claude Fable 5.1medium45.0%61.72026-09-01
34Claude Opus 5max44.8%65.02026-07-24
35Claude Sonnet 5.5xhigh44.1%62.52026-09-28
36Gemini 4 Argonmedium42.5%61.62026-09-30
37GPT-6.1 Terraxhigh42.3%60.02026-10-26
38Claude Opus 5.5low41.7%58.92026-09-22
39Muse Wondermax39.0%60.82026-10-12
40GPT-6.1 Sollow38.2%60.02026-09-29
41Claude Fable 5.1low37.4%58.82026-09-01
42Kimi K3.1 Pro37.3%61.82026-10-23
43GPT-6.1 Terrahigh35.4%59.62026-10-26
44Muse Wonderhigh34.5%56.22026-10-12
45Claude Sonnet 5.5high33.8%59.52026-09-28
46Muse Spark 1.3max33.7%60.62026-09-02
47Gemini 3.8 Flashhigh33.1%59.42026-09-02
48Hy432.7%56.72026-11-03
49NEWGemini 4 Hydrogenlow32.2%–2026-11-12
50Gemini 3.1 Pro31.4%59.92026-02-19
51GPT-6.1 Terramedium31.3%58.52026-10-26
52Muse Spark 1.3xhigh30.3%58.12026-09-02
53Claude Haiku 5.5max29.6%55.32026-10-07
54Gemini 3.8 Flashmedium29.1%60.22026-09-02
55GPT-5.6 Terramax28.8%59.52026-07-09
56Claude Haiku 5.5xhigh28.8%56.72026-10-07
57Inkling 2 Small28.7%57.92026-11-05
58MiniMax M3.1 Flash28.1%54.32026-10-19
59Kimi K3max26.9%60.22026-07-16
60Muse Spark Openxhigh26.3%53.52026-10-15

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「HLE-Diamond (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_diamond

HLE-Diamond (AA):よくある質問

HLE-Diamond (AA)は何を測るベンチマークですか?
HLE-Diamondは、Artificial AnalysisのIntelligence Index v5で使われる、Humanity's Last Examを1,000問(推論500問、知識500問)に絞り込んだ改良版です。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。
HLE-Diamond (AA)の最高スコアは?
2026年11月16日時点で、HLE-Diamond (AA)の最高スコアは80.2%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Gemini 4 Carbonの69.1%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
HLE-Diamond (AA)でトップのAIモデルは?
2026年11月16日時点で、HLE-Diamond (AA)の首位はClaude Fable 5.2で、スコアは80.2%です(結果の日付は2026年11月9日)。続いてGemini 4 Carbon(69.1%)です。
HLE-Diamond (AA)の結果があるモデルはいくつですか?
BenchLeaderでは169のモデル構成にHLE-Diamond (AA)の結果があり、すべてArtificial Analysisから取得しています。
HLE-Diamond (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?
HLE-Diamond (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。
HLE-Diamond (AA)はBenchLeader Indexに含まれますか?
はい。HLE-Diamond (AA)はBenchLeader Indexの推論カテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。