BenchLeader

HLE Text-Only (Scale) 排行榜

截至 2026年11月22日,HLE Text-Only (Scale) 的最高分为 54.2%,由 GPT-6 Astra(OpenAI)取得,领先于 Gemini 3.1 Pro(47.3%)。共有 64 个模型配置公布了结果(Scale AI SEAL,结果日期 2026年9月9日)。去掉图像题后的 Humanity's Last Exam,由 Scale AI 运行:不支持图像输入的模型唯一能获得的 HLE 分数。与 BenchLeader Index 采用的完整考试分数不可比较。HLE Text-Only (Scale) 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月22日)

  • GPT-6 Astra 以 54.2% 保持 HLE Text-Only (Scale) 最高分(Scale AI SEAL,2026年9月9日)。
  • Gemini 3.1 Pro 以 47.3% 位列 HLE Text-Only (Scale) 第二(Scale AI SEAL,2026年4月10日)。
  • HLE Text-Only (Scale):去掉图像题后的 Humanity's Last Exam,由 Scale AI 运行:不支持图像输入的模型唯一能获得的 HLE 分数。与 BenchLeader Index 采用的完整考试分数不可比较(Scale AI SEAL)。
  • BenchLeader 上有 64 个模型配置公布了 HLE Text-Only (Scale) 结果(BenchLeader,2026年11月22日)。
  • HLE Text-Only (Scale) 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

去掉图像题后的 Humanity's Last Exam,由 Scale AI 运行:不支持图像输入的模型唯一能获得的 HLE 分数。与 BenchLeader Index 采用的完整考试分数不可比较。

Scale AI SEAL 将这 64 个结果中的 56 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。

发布方
Scale AI SEAL
类别
推理
Index 权重
仅作参考
模型
64
数据截至
2026年11月22日
最新结果
2026年10月12日

Scale AI SEAL Leaderboards.

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

更多推理基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《HLE Text-Only (Scale) 排行榜》,数据截至 2026年11月22日,https://www.benchleader.com/zh/benchmarks/scale_hle_text_only。

HLE Text-Only (Scale):常见问题

HLE Text-Only (Scale) 衡量的是什么?
去掉图像题后的 Humanity's Last Exam,由 Scale AI 运行:不支持图像输入的模型唯一能获得的 HLE 分数。与 BenchLeader Index 采用的完整考试分数不可比较。分数以完成任务的百分比表示,越高越好。
HLE Text-Only (Scale) 的最高分是多少?
截至 2026年11月22日,HLE Text-Only (Scale) 的最高分为 54.2%,由 GPT-6 Astra 取得(结果日期 2026年9月9日),领先于 Gemini 3.1 Pro(47.3%)。分数来自 Scale AI SEAL,每天重新读取。
哪个 AI 模型在 HLE Text-Only (Scale) 上领先?
截至 2026年11月22日,HLE Text-Only (Scale) 排名第一的是 GPT-6 Astra,分数为 54.2%(结果日期 2026年9月9日)。其后为 Gemini 3.1 Pro(47.3%)。
有多少模型有 HLE Text-Only (Scale) 结果?
BenchLeader 上有 64 个模型配置有 HLE Text-Only (Scale) 结果,全部取自 Scale AI SEAL。
HLE Text-Only (Scale) 由谁运行,多久更新一次?
HLE Text-Only (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 Text-Only (Scale) 是否计入 BenchLeader Index?
不计入。HLE Text-Only (Scale) 仅作参考展示,不计入综合分数。