Humanity's Last Examのリーダーボード
2026年11月16日時点で、Humanity's Last Examの最高スコアは54.8%で、GPT-6 Astra(OpenAI)が記録しています。次点はClaude Fable 5.1の46.5%です。公表された結果があるのは48のモデル構成です(Scale AI / CAIS、結果の日付は2026年9月3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)
- GPT-6 AstraがHumanity's Last Examの最高スコア54.8%を記録しています(Scale AI / CAIS、2026年9月3日)。
- Humanity's Last Examの2位はClaude Fable 5.1で、46.5%です(Scale AI / CAIS、2026年9月1日)。
- Humanity's Last Exam:100以上の分野にわたり専門家が作成した2,500問(Scale AI / CAIS)(Scale AI / CAIS)。
- BenchLeaderでは48のモデル構成にHumanity's Last Examの公表結果があります(BenchLeader、2026年11月16日)。
- Humanity's Last ExamはBenchLeader Indexの推論カテゴリに反映されます(BenchLeaderの評価方法)。
100以上の分野にわたり専門家が作成した2,500問(Scale AI / CAIS)。
- 公開元
- Scale AI / CAISデータ取得元:Epoch AI Benchmarking Hub
- カテゴリ
- 推論
- Indexでの重み
- 1.0
- モデル
- 48
- データ基準日
- 2026年11月16日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
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
完全一致または多肢選択の回答の正答率で、Scale AIとCenter for AI Safetyが公表しています。モデルには確信度も答えさせ、それとは別にキャリブレーション誤差も報告されています。
注意点
問題は2024年時点のモデルに対して敵対的に選ばれたため、新しいモデルの登場とともにスコアは急速に上がりました。一部の問題はその後、異議が出たり修正されたりしています。30%未満のスコアも珍しくなく、それでも意味のある数字です。
- 1GPT-6 Astra54.8%
- 2Claude Fable 5.1 (xhigh)46.5%
- 3Gemini 3.1 Pro46.4%
- 4Claude Sonnet 5.5 (xhigh)46.1%
- 5Gemini 3.8 Flash44.5%
- 6GPT-5.4 Pro44.3%
- 7Muse Spark40.6%
- 8Gemini 3 Pro37.5%
- 9GPT-5.4 (xhigh)36.2%
- 10Claude Opus 4.736.2%
- 11Claude Opus 4.6 (max)34.4%
- 12GPT-5 Pro31.6%
- 13Claude Haiku 5.530.1%
- 14GPT-5.227.8%
- 15GPT-5 (high)25.3%
| # | ||||
|---|---|---|---|---|
| 1 | 54.8% | 66.4 | 2026-09-03 | |
| 2 | 46.5% | 64.6 | 2026-09-01 | |
| 3 | 46.4% | 59.9 | 2026-02-19 | |
| 4 | 46.1% | 62.5 | 2026-09-28 | |
| 5 | 44.5% | 56.4 | 2026-09-02 | |
| 6 | 44.3% | 63.1 | 2026-03-05 | |
| 7 | 40.6% | 64.2 | 2026-04-08 | |
| 8 | 37.5% | 60.0 | 2025-11-18 | |
| 9 | 36.2% | 63.1 | 2026-03-05 | |
| 10 | 36.2% | 63.1 | 2026-04-16 | |
| 11 | 34.4% | 57.0 | 2026-02-05 | |
| 12 | 31.6% | 59.6 | 2025-10-07 | |
| 13 | 30.1% | – | 2026-10-07 | |
| 14 | 27.8% | 56.7 | 2025-12-11 | |
| 15 | 25.3% | 58.2 | 2025-08-07 | |
| 16 | 25.3% | 56.6 | 2025-08-07 | |
| 17 | 25.2% | 57.1 | 2025-11-24 | |
| 18 | 24.4% | 54.6 | 2026-01-27 | |
| 19 | 23.7% | 56.1 | 2025-11-13 | |
| 20 | 21.6% | 55.2 | 2025-06-05 | |
| 21 | 20.3% | 55.1 | 2025-04-16 | |
| 22 | 19.4% | 56.6 | 2025-08-07 | |
| 23 | 19.2% | 53.3 | 2025-04-16 | |
| 24 | 19.0% | 62.1 | 2026-02-05 | |
| 25 | 18.1% | 51.2 | 2025-04-16 | |
| 26 | 14.3% | 51.7 | 2025-04-16 | |
| 27 | 13.7% | 53.8 | 2025-09-29 | |
| 28 | 12.1% | 52.4 | 2025-04-17 | |
| 29 | 11.5% | 51.1 | 2025-08-05 | |
| 30 | 10.7% | 51.9 | 2025-05-22 | |
| 31 | 8.6% | 52.6 | 2026-03-03 | |
| 32 | 8.3% | 51.6 | 2025-08-03 | |
| 33 | 8.1% | 46.7 | 2025-07-20 | |
| 34 | 8.1% | – | 2025-03-19 | |
| 35 | 8.0% | 49.2 | 2025-02-24 | |
| 36 | 8.0% | 52.5 | 2024-12-17 | |
| 37 | 7.8% | 50.0 | 2025-05-22 | |
| 38 | 6.8% | 45.7 | 2025-11-13 | |
| 39 | 6.6% | 45.1 | 2025-01-21 | |
| 40 | 5.7% | 41.8 | 2025-04-05 | |
| 41 | 5.4% | 50.5 | 2025-02-27 | |
| 42 | 5.4% | 48.7 | 2025-04-14 | |
| 43 | 4.6% | 41.4 | 2024-09-24 | |
| 44 | 4.5% | 44.3 | 2025-05-07 | |
| 45 | 4.4% | 40.5 | 2024-12-03 | |
| 46 | 4.1% | 46.8 | 2024-10-22 | |
| 47 | 3.6% | 38.2 | 2024-12-03 | |
| 48 | 2.7% | 42.8 | 2024-11-20 |
関連するベンチマーク
Humanity's Last Examでの注目のモデル比較
引用表記:BenchLeader「Humanity's Last Exam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/hle
Humanity's Last Exam:よくある質問
- Humanity's Last Exam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の最高スコアは?
- 2026年11月16日時点で、Humanity's Last Examの最高スコアは54.8%で、GPT-6 Astraが記録しています(結果の日付は2026年9月3日)。次点はClaude Fable 5.1の46.5%です。スコアはScale AI / CAISの公表値で、毎日読み直しています。
- Humanity's Last ExamでトップのAIモデルは?
- 2026年11月16日時点で、Humanity's Last Examの首位はGPT-6 Astraで、スコアは54.8%です(結果の日付は2026年9月3日)。続いてClaude Fable 5.1(46.5%)です。
- Humanity's Last Examの結果があるモデルはいくつですか?
- BenchLeaderでは48のモデル構成にHumanity's Last Examの結果があり、すべてScale AI / CAIS(Epoch AI Benchmarking Hub経由)から取得しています。
- Humanity's Last Exam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はScale AI / CAIS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はBenchLeader Indexに含まれますか?
- はい。Humanity's Last Exam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。