HLE-Diamond (Scale) 排行榜
截至 2026年11月16日,HLE-Diamond (Scale) 的最高分为 72.4%,由 Claude Fable 5.2(Anthropic)取得,领先于 GPT-6 Astra(60.6%)。共有 20 个模型配置公布了结果(Scale AI SEAL,结果日期 2026年11月11日)。Scale AI 与 CAIS 将 Humanity's Last Exam 精简为 1,000 题的改良版。由 Scale AI 运行;BenchLeader Index 采用 Humanity's Last Exam 本身。HLE-Diamond (Scale) 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 72.4% 保持 HLE-Diamond (Scale) 最高分(Scale AI SEAL,2026年11月11日)。
- GPT-6 Astra 以 60.6% 位列 HLE-Diamond (Scale) 第二(Scale AI SEAL,2026年9月9日)。
- HLE-Diamond (Scale):Scale AI 与 CAIS 将 Humanity's Last Exam 精简为 1,000 题的改良版。由 Scale AI 运行;BenchLeader Index 采用 Humanity's Last Exam 本身(Scale AI SEAL)。
- BenchLeader 上有 20 个模型配置公布了 HLE-Diamond (Scale) 结果(BenchLeader,2026年11月16日)。
- HLE-Diamond (Scale) 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
Scale AI 与 CAIS 将 Humanity's Last Exam 精简为 1,000 题的改良版。由 Scale AI 运行;BenchLeader Index 采用 Humanity's Last Exam 本身。
Scale AI SEAL 将这 20 个结果中的 12 个标记为可能受到污染:模型是在题目公开之后才接受评测的,题目可能已经进入其训练数据。这些分数同样列在下表中;本排行榜不计入 Index。
- 类别
- 推理
- Index 权重
- 仅作参考
- 模型
- 20
- 数据截至
- 2026年11月16日
- 最新结果
- 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 / 20
| # | |||||
|---|---|---|---|---|---|
| 1 | 新 | 72.4% | 65.4 | 2026-11-11 | – |
| 2 | 60.6% | 66.4 | 2026-09-09 | 可能 | |
| 3 | 55.0% | 61.0 | 2026-09-03 | 可能 | |
| 4 | 53.2% | 64.4 | 2026-10-16 | – | |
| 5 | 51.3% | 66.4 | 2026-04-10 | 可能 | |
| 6 | 38.6% | 63.2 | 2026-09-09 | 可能 | |
| 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 | |
| 11 | 33.8% | – | 2026-04-08 | 可能 | |
| 12 | 31.2% | 54.3 | 2025-11-19 | 可能 | |
| 13 | 28.0% | – | 2026-10-16 | – | |
| 14 | 25.4% | 61.6 | 2026-03-10 | 可能 | |
| 15 | 23.4% | – | 2026-02-17 | 可能 | |
| 16 | 22.2% | 60.7 | 2026-04-22 | 可能 | |
| 17 | 20.5% | – | 2026-10-28 | – | |
| 18 | 16.4% | – | 2025-11-06 | 可能 | |
| 19 | 13.4% | 53.0 | 2025-12-15 | 可能 | |
| 20 | 11.2% | 50.4 | 2026-10-13 | – |
相关基准测试
HLE-Diamond (Scale) 上的热门模型对比
引用格式:BenchLeader,《HLE-Diamond (Scale) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/scale_hle_diamond。
HLE-Diamond (Scale):常见问题
- HLE-Diamond (Scale) 衡量的是什么?
- Scale AI 与 CAIS 将 Humanity's Last Exam 精简为 1,000 题的改良版。由 Scale AI 运行;BenchLeader Index 采用 Humanity's Last Exam 本身。分数以完成任务的百分比表示,越高越好。
- HLE-Diamond (Scale) 的最高分是多少?
- 截至 2026年11月16日,HLE-Diamond (Scale) 的最高分为 72.4%,由 Claude Fable 5.2 取得(结果日期 2026年11月11日),领先于 GPT-6 Astra(60.6%)。分数来自 Scale AI SEAL,每天重新读取。
- 哪个 AI 模型在 HLE-Diamond (Scale) 上领先?
- 截至 2026年11月16日,HLE-Diamond (Scale) 排名第一的是 Claude Fable 5.2,分数为 72.4%(结果日期 2026年11月11日)。其后为 GPT-6 Astra(60.6%)。
- 有多少模型有 HLE-Diamond (Scale) 结果?
- BenchLeader 上有 20 个模型配置有 HLE-Diamond (Scale) 结果,全部取自 Scale AI SEAL。
- HLE-Diamond (Scale) 由谁运行,多久更新一次?
- HLE-Diamond (Scale) 由 Scale AI SEAL 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 (Scale) 是否计入 BenchLeader Index?
- 不计入。HLE-Diamond (Scale) 仅作参考展示,不计入综合分数。