BenchLeader

HLE-Diamond (AA) 排行榜

截至 2026年11月16日,HLE-Diamond (AA) 的最高分为 80.2%,由 Claude Fable 5.2(Anthropic)取得,领先于 Gemini 4 Carbon(69.1%)。共有 169 个模型配置公布了结果(Artificial Analysis,结果日期 2026年11月9日)。HLE-Diamond:Humanity's Last Exam 的 1,000 题精选版(推理 500 题、知识 500 题),用于 Artificial Analysis 的 Intelligence Index v5。HLE-Diamond (AA) 计入 BenchLeader Index 的推理得分。

要点(截至 2026年11月16日)

  • Claude Fable 5.2 以 80.2% 保持 HLE-Diamond (AA) 最高分(Artificial Analysis,2026年11月9日)。
  • Gemini 4 Carbon 以 69.1% 位列 HLE-Diamond (AA) 第二(Artificial Analysis,2026年10月28日)。
  • HLE-Diamond (AA):精简后的 1,000 题版 HLE(推理 500 题、知识 500 题),用于 Intelligence Index v5。由 Artificial Analysis 运行(Artificial Analysis)。
  • BenchLeader 上有 169 个模型配置公布了 HLE-Diamond (AA) 结果(BenchLeader,2026年11月16日)。
  • HLE-Diamond (AA) 计入 BenchLeader Index 的推理类别(BenchLeader 方法论)。

精简后的 1,000 题版 HLE(推理 500 题、知识 500 题),用于 Intelligence Index v5。由 Artificial Analysis 运行。

发布方
Artificial Analysis
类别
推理
Index 权重
1.0
模型
169
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

HLE-Diamond:Humanity's Last Exam 的 1,000 题精选版(推理 500 题、知识 500 题),用于 Artificial Analysis 的 Intelligence Index v5。

评分方式

Diamond 子集上的准确率百分比。由 Artificial Analysis 运行。

注意事项

这是 HLE 的不公开子集,与 Epoch 和 Artificial Analysis 同时发布的公开 HLE 排行榜不同。它与 Epoch 的完整 HLE 差异足够大,所以两者都计入 BenchLeader Index。

169 / 169
#
1新Claude Fable 5.2max80.2%72.72026-11-09
2新Claude Fable 5.2xhigh75.8%69.72026-11-09
3新Claude Fable 5.2high73.8%68.42026-11-09
4Gemini 4 Carbonhigh69.1%68.92026-10-28
5Claude Opus 5.5max67.9%68.42026-09-22
6Gemini 4 Carbonmedium67.4%65.82026-10-28
7新Claude Fable 5.2medium66.3%66.32026-11-09
8Claude Opus 5.5xhigh64.0%65.42026-09-22
9GPT-6 Astramax63.8%67.32026-09-03
10Gemini 4 Carbonlow61.9%60.12026-10-28
11GPT-6 Astraxhigh61.5%66.02026-09-03
12新Claude Fable 5.2low60.8%65.32026-11-09
13Claude Fable 5.1max60.1%66.72026-09-01
14GPT-6 Astrahigh59.3%66.32026-09-03
15GPT-6.1 Solmax58.8%66.62026-09-29
16Claude Fable 5.1xhigh58.8%64.62026-09-01
17新Gemini 4 Hydrogenxhigh58.8%61.82026-11-12
18Gemini 4 Argonhigh56.7%65.32026-09-30
19GPT-6.1 Solxhigh55.8%63.62026-09-29
20Claude Opus 5.5high55.6%66.02026-09-22
21新Gemini 4 Hydrogenhigh54.9%63.42026-11-12
22Claude Sonnet 5.5max53.3%64.22026-09-28
23GPT-6 Astramedium52.7%64.42026-09-03
24GPT-6.1 Solhigh51.9%63.42026-09-29
25Claude Opus 5.5medium51.4%61.22026-09-22
26Claude Fable 5.1high50.4%63.72026-09-01
27Muse Wonder Fullmax48.5%61.72026-10-12
28新Gemini 4 Hydrogenmedium47.7%–2026-11-12
29GPT-6.1 Terramax47.3%64.12026-10-26
30GPT-6.1 Solmedium46.0%62.72026-09-29
31GPT-6 Solmax45.2%62.62026-09-22
32GPT-6 Astralow45.1%62.02026-09-03
33Claude Fable 5.1medium45.0%61.72026-09-01
34Claude Opus 5max44.8%65.02026-07-24
35Claude Sonnet 5.5xhigh44.1%62.52026-09-28
36Gemini 4 Argonmedium42.5%61.62026-09-30
37GPT-6.1 Terraxhigh42.3%60.02026-10-26
38Claude Opus 5.5low41.7%58.92026-09-22
39Muse Wondermax39.0%60.82026-10-12
40GPT-6.1 Sollow38.2%60.02026-09-29
41Claude Fable 5.1low37.4%58.82026-09-01
42Kimi K3.1 Pro37.3%61.82026-10-23
43GPT-6.1 Terrahigh35.4%59.62026-10-26
44Muse Wonderhigh34.5%56.22026-10-12
45Claude Sonnet 5.5high33.8%59.52026-09-28
46Muse Spark 1.3max33.7%60.62026-09-02
47Gemini 3.8 Flashhigh33.1%59.42026-09-02
48Hy432.7%56.72026-11-03
49新Gemini 4 Hydrogenlow32.2%–2026-11-12
50Gemini 3.1 Pro31.4%59.92026-02-19
51GPT-6.1 Terramedium31.3%58.52026-10-26
52Muse Spark 1.3xhigh30.3%58.12026-09-02
53Claude Haiku 5.5max29.6%55.32026-10-07
54Gemini 3.8 Flashmedium29.1%60.22026-09-02
55GPT-5.6 Terramax28.8%59.52026-07-09
56Claude Haiku 5.5xhigh28.8%56.72026-10-07
57Inkling 2 Small28.7%57.92026-11-05
58MiniMax M3.1 Flash28.1%54.32026-10-19
59Kimi K3max26.9%60.22026-07-16
60Muse Spark Openxhigh26.3%53.52026-10-15

更多推理基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《HLE-Diamond (AA) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_hle_diamond。

HLE-Diamond (AA):常见问题

HLE-Diamond (AA) 衡量的是什么?
HLE-Diamond:Humanity's Last Exam 的 1,000 题精选版(推理 500 题、知识 500 题),用于 Artificial Analysis 的 Intelligence Index v5。分数以完成任务的百分比表示,越高越好。
HLE-Diamond (AA) 的最高分是多少?
截至 2026年11月16日,HLE-Diamond (AA) 的最高分为 80.2%,由 Claude Fable 5.2 取得(结果日期 2026年11月9日),领先于 Gemini 4 Carbon(69.1%)。分数来自 Artificial Analysis,每天重新读取。
哪个 AI 模型在 HLE-Diamond (AA) 上领先?
截至 2026年11月16日,HLE-Diamond (AA) 排名第一的是 Claude Fable 5.2,分数为 80.2%(结果日期 2026年11月9日)。其后为 Gemini 4 Carbon(69.1%)。
有多少模型有 HLE-Diamond (AA) 结果?
BenchLeader 上有 169 个模型配置有 HLE-Diamond (AA) 结果,全部取自 Artificial Analysis。
HLE-Diamond (AA) 由谁运行,多久更新一次?
HLE-Diamond (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。
HLE-Diamond (AA) 是否计入 BenchLeader Index?
计入。HLE-Diamond (AA) 计入 BenchLeader Index 的推理类别,并经过归一化,使参评模型的平均值为 50。