BenchLeader

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。

公開元
Scale AI SEAL
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.

20件中20件
#
1NEWClaude Fable 5.272.4%65.42026-11-11–
2GPT-6 Astra60.6%66.42026-09-09可能性あり
3Claude Opus 5.555.0%61.02026-09-03可能性あり
4Gemini 4 Argon53.2%64.42026-10-16–
5Claude Fable 5.151.3%66.42026-04-10可能性あり
6Claude Opus 538.6%63.22026-09-09可能性あり
7Claude Sonnet 5.537.5%–2026-10-15–
8Muse Wonder37.3%64.42026-10-16–
9GPT-6.1 Terra35.7%–2026-10-28–
10Gemini 3.8 Flash34.3%56.42026-03-23可能性あり
11GPT-6 Sol33.8%–2026-04-08可能性あり
12GPT-5.6 Sol31.2%54.32025-11-19可能性あり
13Muse Spark Open28.0%–2026-10-16–
14Muse Spark 1.325.4%61.62026-03-10可能性あり
15Grok 4.723.4%–2026-02-17可能性あり
16Kimi K322.2%60.72026-04-22可能性あり
17DeepSeek V4.1 Flash 101720.5%–2026-10-28–
18GLM 5.316.4%–2025-11-06可能性あり
19DeepSeek V4 Pro13.4%53.02025-12-15可能性あり
20Inkling11.2%50.42026-10-13–

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 (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。