BenchLeader

HLE Text-Only (Scale)のリーダーボード

2026年11月22日時点で、HLE Text-Only (Scale)の最高スコアは54.2%で、GPT-6 Astra(OpenAI)が記録しています。次点はGemini 3.1 Proの47.3%です。公表された結果があるのは64のモデル構成です(Scale AI SEAL、結果の日付は2026年9月9日)。画像を含む問題を除いたHumanity's Last Exam。Scale AIによる実行で、画像を入力できないモデルが得られる唯一のHLEスコア。BenchLeader Indexが使う試験全体のスコアとは比較できません。HLE Text-Only (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22日時点)

  • GPT-6 AstraがHLE Text-Only (Scale)の最高スコア54.2%を記録しています(Scale AI SEAL、2026年9月9日)。
  • HLE Text-Only (Scale)の2位はGemini 3.1 Proで、47.3%です(Scale AI SEAL、2026年4月10日)。
  • HLE Text-Only (Scale):画像を含む問題を除いたHumanity's Last Exam。Scale AIによる実行で、画像を入力できないモデルが得られる唯一のHLEスコア。BenchLeader Indexが使う試験全体のスコアとは比較できません(Scale AI SEAL)。
  • BenchLeaderでは64のモデル構成にHLE Text-Only (Scale)の公表結果があります(BenchLeader、2026年11月22日)。
  • HLE Text-Only (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)。

画像を含む問題を除いたHumanity's Last Exam。Scale AIによる実行で、画像を入力できないモデルが得られる唯一のHLEスコア。BenchLeader Indexが使う試験全体のスコアとは比較できません。

Scale AI SEALは、これら64件の結果のうち56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
64
データ基準日
2026年11月22日
最新の結果
2026年10月12日

Scale AI SEAL Leaderboards.

64件中64件
#
1GPT-6 Astra54.2%68.02026-09-09可能性あり
2Gemini 3.1 Prohigh47.3%58.22026-04-10可能性あり
3Claude Fable 5.1xhigh46.8%63.92026-09-03可能性あり
4Claude Sonnet 5.5xhigh46.6%62.42026-10-12–
5GPT-5.4 Pro45.3%62.72026-03-23可能性あり
6Gemini 3.8 Flash45.0%55.72026-09-09可能性あり
7Muse Spark40.9%64.82026-04-08可能性あり
8Gemini 3 Pro37.7%60.32025-11-19可能性あり
9GPT-5.4thinking36.5%–2026-03-10可能性あり
10Claude Opus 4.6max36.2%56.82026-02-17可能性あり
11GPT-5 Pro33.3%61.32025-11-06可能性あり
12Claude Haiku 5.530.4%–2026-10-08–
13GPT-5.228.5%55.42025-12-15可能性あり
14Claude Opus 4.5thinking26.3%59.62025-11-26可能性あり
15GPT-526.3%56.82025-08-07可能性あり
16GPT-5.1thinking24.6%–2025-11-26可能性あり
17Gemini 2.5 Pro22.1%53.52025-06-05可能性あり
18o3high20.6%54.82025-04-16可能性あり
19o3medium19.8%53.12025-04-16可能性あり
20GPT-5 mini19.7%56.52025-08-22可能性あり
21Claude Opus 4.6推論なし19.4%57.12026-02-17可能性あり
22o4-minihigh18.9%50.82025-04-16可能性あり
23Gemini 2.5 Pro Preview 032518.4%59.72025-04-10可能性あり
24Gemini 2.5 Pro Preview 050618.4%56.92025-05-06可能性あり
25gpt-oss-120b15.5%46.22025-09-18可能性あり
26Qwen3 235B A22B 2507thinking15.4%51.72025-08-05可能性あり
27o4-minimedium14.5%51.42025-04-16可能性あり
28Claude Sonnet 4.5thinking14.1%52.92025-10-02可能性あり
29DeepSeek R1 052814.0%49.02025-06-02可能性あり
30Claude Opus 4.513.9%56.92025-11-26可能性あり
31o3-minihigh13.4%48.32025-04-10可能性あり
32DeepSeek V3.112.9%48.52025-09-08可能性あり
33Gemini 2.5 Flash12.6%52.32025-04-17可能性あり
34Qwen3 235B A22B11.8%50.02025-05-01可能性あり
35Claude Opus 4.1thinking11.3%58.02025-08-08可能性あり
36Claude Opus 4thinking10.8%55.72025-05-24可能性あり
37o3-minimedium10.3%46.22025-04-10可能性あり
38gpt-oss-20b9.7%44.52025-09-18可能性あり
39GLM-4.59.6%51.62025-08-13可能性あり
40GLM-4.5-Air9.4%46.72025-08-13可能性あり
41DeepSeek R18.5%47.02025-04-10–
42Gemini 3.1 Flash Lite8.0%52.52026-03-23可能性あり
43Claude 3.7 Sonnetthinking7.9%52.52025-04-10可能性あり
44o17.8%53.62025-04-10–
45o1-pro7.7%–2025-04-10可能性あり
46Claude Sonnet 4.57.7%53.62025-10-02可能性あり
47Claude Sonnet 4thinking7.6%53.82025-05-23可能性あり
48Claude Opus 4.17.4%51.72025-08-08可能性あり
49Gemini 2.0 Flash Thinking 01216.5%43.42025-04-10–
50GPT 5.1 Instant6.5%–2025-11-26可能性あり
51Claude Opus 46.3%51.72025-05-23可能性あり
52GPT-4.55.8%50.32025-04-10可能性あり
53Claude Sonnet 45.4%49.92025-05-23可能性あり
54Llama 4 Maverick5.3%41.72025-04-10可能性あり
55GPT-4.15.0%48.52025-04-14可能性あり
56Kimi K24.7%51.02025-07-23可能性あり
57DeepSeek V34.5%44.22025-04-10可能性あり
58Gemini 1.5 Pro 0024.5%43.72025-04-10–
59Nova Micro4.4%39.12025-04-10可能性あり
60Mistral Medium 34.4%44.22025-05-13可能性あり

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 Text-Only (Scale)のリーダーボード」2026年11月22日時点のデータ、https://www.benchleader.com/ja/benchmarks/scale_hle_text_only

HLE Text-Only (Scale):よくある質問

HLE Text-Only (Scale)は何を測るベンチマークですか?
画像を含む問題を除いたHumanity's Last Exam。Scale AIによる実行で、画像を入力できないモデルが得られる唯一のHLEスコア。BenchLeader Indexが使う試験全体のスコアとは比較できません。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 Text-Only (Scale)の最高スコアは?
2026年11月22日時点で、HLE Text-Only (Scale)の最高スコアは54.2%で、GPT-6 Astraが記録しています(結果の日付は2026年9月9日)。次点はGemini 3.1 Proの47.3%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 Text-Only (Scale)でトップのAIモデルは?
2026年11月22日時点で、HLE Text-Only (Scale)の首位はGPT-6 Astraで、スコアは54.2%です(結果の日付は2026年9月9日)。続いてGemini 3.1 Pro(47.3%)です。
HLE Text-Only (Scale)の結果があるモデルはいくつですか?
BenchLeaderでは64のモデル構成にHLE Text-Only (Scale)の結果があり、すべてScale AI SEALから取得しています。
HLE Text-Only (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 Text-Only (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 Text-Only (Scale)はBenchLeader Indexに含まれますか?
いいえ。HLE Text-Only (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。