Humanity's Last Exam (AA) 排行榜
截至 2026年11月16日,Humanity's Last Exam (AA) 的最高分为 74.3%,由 Claude Fable 5.2(Anthropic)取得,领先于 Claude Opus 5.5(61.4%)。共有 638 个模型配置公布了结果(Artificial Analysis,结果日期 2026年11月9日)。Humanity's Last Exam(人类最后的考试)收录了约 2,500 道由学科专家编写的题目,覆盖从古典学到化学的一百多个领域,入选原因是编写时前沿模型都答错了。大部分是精确答案题或选择题,部分附有图片。Humanity's Last Exam (AA) 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Claude Fable 5.2 以 74.3% 保持 Humanity's Last Exam (AA) 最高分(Artificial Analysis,2026年11月9日)。
- Claude Opus 5.5 以 61.4% 位列 Humanity's Last Exam (AA) 第二(Artificial Analysis,2026年9月22日)。
- Humanity's Last Exam (AA):Artificial Analysis 自行运行的 HLE。Index v5 已改用 HLE-Diamond,此处保留作为历史记录(Artificial Analysis)。
- BenchLeader 上有 638 个模型配置公布了 Humanity's Last Exam (AA) 结果(BenchLeader,2026年11月16日)。
- Humanity's Last Exam (AA) 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
Artificial Analysis 自行运行的 HLE。Index v5 已改用 HLE-Diamond,此处保留作为历史记录。
- 类别
- 推理
- Index 权重
- 仅作参考
- 模型
- 638
- 数据截至
- 2026年11月16日
Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.
测试内容
Humanity's Last Exam(人类最后的考试)收录了约 2,500 道由学科专家编写的题目,覆盖从古典学到化学的一百多个领域,入选原因是编写时前沿模型都答错了。大部分是精确答案题或选择题,部分附有图片。
评分方式
精确答案题和选择题的准确率。
注意事项
这是 Artificial Analysis 在其固定测试框架中自行运行的 Humanity's Last Exam,只含纯文本题。仅供参考;计入 Index 的是 Scale AI 和 CAIS 的官方排行榜。Artificial Analysis 略去了图片题,所以分数略有不同。另请参阅 Humanity's Last Exam 排行榜。
- 1Claude Fable 5.2 (max)74.3%
- 2Claude Fable 5.2 (xhigh)68.9%
- 3Claude Fable 5.2 (high)66.2%
- 4Claude Fable 5.2 (medium)61.9%
- 5Claude Opus 5.5 (max)61.4%
- 6Claude Fable 5.2 (low)59.7%
- 7Claude Fable 5.1 (max)59.1%
- 8Claude Fable 5.1 (xhigh)58.7%
- 9Claude Opus 5.5 (xhigh)57.5%
- 10Gemini 4 Argon (high)57.1%
- 11Claude Fable 5.1 (high)55.9%
- 12Claude Opus 5.5 (high)55.6%
- 13Claude Fable 5 (max)55.5%
- 14Claude Sonnet 5.5 (max)55.0%
- 15Claude Opus 5 (max)54.9%
| # | ||||
|---|---|---|---|---|
| 1 | 新 | 74.3% | 72.7 | 2026-11-09 |
| 2 | 新 | 68.9% | 69.7 | 2026-11-09 |
| 3 | 新 | 66.2% | 68.4 | 2026-11-09 |
| 4 | 新 | 61.9% | 66.3 | 2026-11-09 |
| 5 | 61.4% | 68.4 | 2026-09-22 | |
| 6 | 新 | 59.7% | 65.3 | 2026-11-09 |
| 7 | 59.1% | 66.7 | 2026-09-01 | |
| 8 | 58.7% | 64.6 | 2026-09-01 | |
| 9 | 57.5% | 65.4 | 2026-09-22 | |
| 10 | 57.1% | 65.3 | 2026-09-30 | |
| 11 | 55.9% | 63.7 | 2026-09-01 | |
| 12 | 55.6% | 66.0 | 2026-09-22 | |
| 13 | 55.5% | 65.1 | 2026-06-09 | |
| 14 | 55.0% | 64.2 | 2026-09-28 | |
| 15 | 54.9% | 65.0 | 2026-07-24 | |
| 16 | 54.7% | 61.2 | 2026-09-22 | |
| 17 | 54.7% | 67.3 | 2026-09-03 | |
| 18 | 54.6% | 66.0 | 2026-09-03 | |
| 19 | 54.4% | 60.1 | 2026-07-24 | |
| 20 | 53.8% | 61.7 | 2026-09-01 | |
| 21 | 53.6% | 61.7 | 2026-10-12 | |
| 22 | 53.1% | 66.3 | 2026-09-03 | |
| 23 | 52.9% | 66.6 | 2026-09-29 | |
| 24 | 52.8% | 64.4 | 2026-07-24 | |
| 25 | 52.7% | 64.4 | 2026-09-03 | |
| 26 | 52.6% | 63.6 | 2026-09-29 | |
| 27 | 52.5% | 61.8 | 2026-10-23 | |
| 28 | 51.4% | 63.4 | 2026-09-29 | |
| 29 | 51.3% | 57.5 | 2026-07-24 | |
| 30 | 50.1% | 60.8 | 2026-10-12 | |
| 31 | 50.0% | 62.5 | 2026-09-28 | |
| 32 | 49.9% | 61.6 | 2026-09-30 | |
| 33 | 49.9% | 62.7 | 2026-09-29 | |
| 34 | 49.5% | 65.3 | 2026-07-09 | |
| 35 | 49.4% | 57.5 | 2026-09-21 | |
| 36 | 49.2% | 62.0 | 2026-09-03 | |
| 37 | 48.9% | 58.8 | 2026-09-01 | |
| 38 | 48.7% | 60.6 | 2026-09-02 | |
| 39 | 48.7% | 61.1 | 2026-05-28 | |
| 40 | 48.3% | 58.9 | 2026-09-22 | |
| 41 | 48.0% | 54.3 | 2026-10-19 | |
| 42 | 47.9% | 62.6 | 2026-09-22 | |
| 43 | 47.9% | 62.1 | 2026-08-13 | |
| 44 | 47.8% | 59.4 | 2026-09-02 | |
| 45 | 47.5% | 58.1 | 2026-09-02 | |
| 46 | 47.4% | 60.0 | 2026-09-29 | |
| 47 | 47.3% | 63.9 | 2026-07-09 | |
| 48 | 47.0% | 59.9 | 2026-02-19 | |
| 49 | 46.9% | 60.2 | 2026-07-16 | |
| 50 | 46.5% | 56.0 | 2026-09-18 | |
| 51 | 46.3% | 58.4 | 2026-09-22 | |
| 52 | 46.3% | 64.1 | 2026-10-26 | |
| 53 | 46.2% | 59.5 | 2026-07-09 | |
| 54 | 46.0% | 63.4 | 2026-07-09 | |
| 55 | 45.8% | 59.5 | 2026-09-28 | |
| 56 | 45.8% | 64.1 | 2026-04-23 | |
| 57 | 45.5% | 61.5 | 2026-08-05 | |
| 58 | 45.0% | 63.5 | 2026-04-23 | |
| 59 | 44.4% | 55.3 | 2026-10-07 | |
| 60 | 44.1% | 58.1 | 2026-09-22 |
相关基准测试
Humanity's Last Exam (AA) 上的热门模型对比
引用格式:BenchLeader,《Humanity's Last Exam (AA) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_hle。
Humanity's Last Exam (AA):常见问题
- Humanity's Last Exam (AA) 衡量的是什么?
- Humanity's Last Exam(人类最后的考试)收录了约 2,500 道由学科专家编写的题目,覆盖从古典学到化学的一百多个领域,入选原因是编写时前沿模型都答错了。大部分是精确答案题或选择题,部分附有图片。分数以完成任务的百分比表示,越高越好。
- Humanity's Last Exam (AA) 的最高分是多少?
- 截至 2026年11月16日,Humanity's Last Exam (AA) 的最高分为 74.3%,由 Claude Fable 5.2 取得(结果日期 2026年11月9日),领先于 Claude Opus 5.5(61.4%)。分数来自 Artificial Analysis,每天重新读取。
- 哪个 AI 模型在 Humanity's Last Exam (AA) 上领先?
- 截至 2026年11月16日,Humanity's Last Exam (AA) 排名第一的是 Claude Fable 5.2,分数为 74.3%(结果日期 2026年11月9日)。其后为 Claude Opus 5.5(61.4%)。
- 有多少模型有 Humanity's Last Exam (AA) 结果?
- BenchLeader 上有 638 个模型配置有 Humanity's Last Exam (AA) 结果,全部取自 Artificial Analysis。
- Humanity's Last Exam (AA) 由谁运行,多久更新一次?
- Humanity's Last Exam (AA) 由 Artificial Analysis 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- Humanity's Last Exam (AA) 是否计入 BenchLeader Index?
- 不计入。Humanity's Last Exam (AA) 仅作参考展示,不计入综合分数。