HLE-Diamond (Scale)のリーダーボード
2026年11月16日時点で、HLE-Diamond (Scale)の最高スコアは72.4%で、Claude Fable 5.2(Anthropic)が記録しています。次点はGPT-6 Astraの60.6%です。公表された結果があるのは20のモデル構成です(Scale AI SEAL、結果の日付は2026年11月11日)。Scale AIとCAISがHumanity's Last Examを1,000問に絞った改良版。Scale AIによる実行で、BenchLeader IndexにはHumanity's Last Exam本体を使用。HLE-Diamond (Scale)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HLE-Diamond (Scale)の最高スコア72.4%を記録しています(Scale AI SEAL、2026年11月11日)。
- HLE-Diamond (Scale)の2位はGPT-6 Astraで、60.6%です(Scale AI SEAL、2026年9月9日)。
- HLE-Diamond (Scale):Scale AIとCAISがHumanity's Last Examを1,000問に絞った改良版。Scale AIによる実行で、BenchLeader IndexにはHumanity's Last Exam本体を使用(Scale AI SEAL)。
- BenchLeaderでは20のモデル構成にHLE-Diamond (Scale)の公表結果があります(BenchLeader、2026年11月16日)。
- HLE-Diamond (Scale)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)。
Scale AIとCAISがHumanity's Last Examを1,000問に絞った改良版。Scale AIによる実行で、BenchLeader IndexにはHumanity's Last Exam本体を使用。
Scale AI SEALは、これら20件の結果のうち12件にデータ汚染の可能性があるとしています。問題の公開後にモデルが評価されたため、問題がすでに学習データに含まれているおそれがあります。これらのスコアも下の表に載せていますが、このボードはIndexには反映されません。
- カテゴリ
- 推論
- Indexでの重み
- 参考のみ
- モデル
- 20
- データ基準日
- 2026年11月16日
- 最新の結果
- 2026年11月11日
Scale AI SEAL Leaderboards.
- 1Claude Fable 5.272.4%
- 2GPT-6 Astra60.6%
- 3Claude Opus 5.555.0%
- 4Gemini 4 Argon53.2%
- 5Claude Fable 5.151.3%
- 6Claude Opus 538.6%
- 7Claude Sonnet 5.537.5%
- 8Muse Wonder37.3%
- 9GPT-6.1 Terra35.7%
- 10Gemini 3.8 Flash34.3%
- 11GPT-6 Sol33.8%
- 12GPT-5.6 Sol31.2%
- 13Muse Spark Open28.0%
- 14Muse Spark 1.325.4%
- 15Grok 4.723.4%
20件中20件
| # | |||||
|---|---|---|---|---|---|
| 1 | NEW | 72.4% | 65.4 | 2026-11-11 | – |
| 2 | 60.6% | 66.4 | 2026-09-09 | 可能性あり | |
| 3 | 55.0% | 61.0 | 2026-09-03 | 可能性あり | |
| 4 | 53.2% | 64.4 | 2026-10-16 | – | |
| 5 | 51.3% | 66.4 | 2026-04-10 | 可能性あり | |
| 6 | 38.6% | 63.2 | 2026-09-09 | 可能性あり | |
| 7 | 37.5% | – | 2026-10-15 | – | |
| 8 | 37.3% | 64.4 | 2026-10-16 | – | |
| 9 | 35.7% | – | 2026-10-28 | – | |
| 10 | 34.3% | 56.4 | 2026-03-23 | 可能性あり | |
| 11 | 33.8% | – | 2026-04-08 | 可能性あり | |
| 12 | 31.2% | 54.3 | 2025-11-19 | 可能性あり | |
| 13 | 28.0% | – | 2026-10-16 | – | |
| 14 | 25.4% | 61.6 | 2026-03-10 | 可能性あり | |
| 15 | 23.4% | – | 2026-02-17 | 可能性あり | |
| 16 | 22.2% | 60.7 | 2026-04-22 | 可能性あり | |
| 17 | 20.5% | – | 2026-10-28 | – | |
| 18 | 16.4% | – | 2025-11-06 | 可能性あり | |
| 19 | 13.4% | 53.0 | 2025-12-15 | 可能性あり | |
| 20 | 11.2% | 50.4 | 2026-10-13 | – |
関連するベンチマーク
HLE-Diamond (Scale)での注目のモデル比較
引用表記:BenchLeader「HLE-Diamond (Scale)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/scale_hle_diamond
HLE-Diamond (Scale):よくある質問
- HLE-Diamond (Scale)は何を測るベンチマークですか?
- Scale AIとCAISがHumanity's Last Examを1,000問に絞った改良版。Scale AIによる実行で、BenchLeader IndexにはHumanity's Last Exam本体を使用。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 (Scale)の最高スコアは?
- 2026年11月16日時点で、HLE-Diamond (Scale)の最高スコアは72.4%で、Claude Fable 5.2が記録しています(結果の日付は2026年11月11日)。次点はGPT-6 Astraの60.6%です。スコアはScale AI SEALの公表値で、毎日読み直しています。
- HLE-Diamond (Scale)でトップのAIモデルは?
- 2026年11月16日時点で、HLE-Diamond (Scale)の首位はClaude Fable 5.2で、スコアは72.4%です(結果の日付は2026年11月11日)。続いてGPT-6 Astra(60.6%)です。
- HLE-Diamond (Scale)の結果があるモデルはいくつですか?
- BenchLeaderでは20のモデル構成にHLE-Diamond (Scale)の結果があり、すべてScale AI SEALから取得しています。
- HLE-Diamond (Scale)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 (Scale)はScale AI SEAL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 (Scale)はBenchLeader Indexに含まれますか?
- いいえ。HLE-Diamond (Scale)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。