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。
- 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.
- 1GPT-6 Astra54.2%
- 2Gemini 3.1 Pro (high)47.3%
- 3Claude Fable 5.1 (xhigh)46.8%
- 4Claude Sonnet 5.5 (xhigh)46.6%
- 5GPT-5.4 Pro45.3%
- 6Gemini 3.8 Flash45.0%
- 7Muse Spark40.9%
- 8Gemini 3 Pro37.7%
- 9GPT-5.4 (thinking)36.5%
- 10Claude Opus 4.6 (max)36.2%
- 11GPT-5 Pro33.3%
- 12Claude Haiku 5.530.4%
- 13GPT-5.228.5%
- 14Claude Opus 4.5 (thinking)26.3%
- 15GPT-526.3%
64 / 64
| # | |||||
|---|---|---|---|---|---|
| 1 | 54.2% | 68.0 | 2026-09-09 | 可能 | |
| 2 | 47.3% | 58.2 | 2026-04-10 | 可能 | |
| 3 | 46.8% | 63.9 | 2026-09-03 | 可能 | |
| 4 | 46.6% | 62.4 | 2026-10-12 | – | |
| 5 | 45.3% | 62.7 | 2026-03-23 | 可能 | |
| 6 | 45.0% | 55.7 | 2026-09-09 | 可能 | |
| 7 | 40.9% | 64.8 | 2026-04-08 | 可能 | |
| 8 | 37.7% | 60.3 | 2025-11-19 | 可能 | |
| 9 | 36.5% | – | 2026-03-10 | 可能 | |
| 10 | 36.2% | 56.8 | 2026-02-17 | 可能 | |
| 11 | 33.3% | 61.3 | 2025-11-06 | 可能 | |
| 12 | 30.4% | – | 2026-10-08 | – | |
| 13 | 28.5% | 55.4 | 2025-12-15 | 可能 | |
| 14 | 26.3% | 59.6 | 2025-11-26 | 可能 | |
| 15 | 26.3% | 56.8 | 2025-08-07 | 可能 | |
| 16 | 24.6% | – | 2025-11-26 | 可能 | |
| 17 | 22.1% | 53.5 | 2025-06-05 | 可能 | |
| 18 | 20.6% | 54.8 | 2025-04-16 | 可能 | |
| 19 | 19.8% | 53.1 | 2025-04-16 | 可能 | |
| 20 | 19.7% | 56.5 | 2025-08-22 | 可能 | |
| 21 | 19.4% | 57.1 | 2026-02-17 | 可能 | |
| 22 | 18.9% | 50.8 | 2025-04-16 | 可能 | |
| 23 | 18.4% | 59.7 | 2025-04-10 | 可能 | |
| 24 | 18.4% | 56.9 | 2025-05-06 | 可能 | |
| 25 | 15.5% | 46.2 | 2025-09-18 | 可能 | |
| 26 | 15.4% | 51.7 | 2025-08-05 | 可能 | |
| 27 | 14.5% | 51.4 | 2025-04-16 | 可能 | |
| 28 | 14.1% | 52.9 | 2025-10-02 | 可能 | |
| 29 | 14.0% | 49.0 | 2025-06-02 | 可能 | |
| 30 | 13.9% | 56.9 | 2025-11-26 | 可能 | |
| 31 | 13.4% | 48.3 | 2025-04-10 | 可能 | |
| 32 | 12.9% | 48.5 | 2025-09-08 | 可能 | |
| 33 | 12.6% | 52.3 | 2025-04-17 | 可能 | |
| 34 | 11.8% | 50.0 | 2025-05-01 | 可能 | |
| 35 | 11.3% | 58.0 | 2025-08-08 | 可能 | |
| 36 | 10.8% | 55.7 | 2025-05-24 | 可能 | |
| 37 | 10.3% | 46.2 | 2025-04-10 | 可能 | |
| 38 | 9.7% | 44.5 | 2025-09-18 | 可能 | |
| 39 | 9.6% | 51.6 | 2025-08-13 | 可能 | |
| 40 | 9.4% | 46.7 | 2025-08-13 | 可能 | |
| 41 | 8.5% | 47.0 | 2025-04-10 | – | |
| 42 | 8.0% | 52.5 | 2026-03-23 | 可能 | |
| 43 | 7.9% | 52.5 | 2025-04-10 | 可能 | |
| 44 | 7.8% | 53.6 | 2025-04-10 | – | |
| 45 | 7.7% | – | 2025-04-10 | 可能 | |
| 46 | 7.7% | 53.6 | 2025-10-02 | 可能 | |
| 47 | 7.6% | 53.8 | 2025-05-23 | 可能 | |
| 48 | 7.4% | 51.7 | 2025-08-08 | 可能 | |
| 49 | 6.5% | 43.4 | 2025-04-10 | – | |
| 50 | 6.5% | – | 2025-11-26 | 可能 | |
| 51 | 6.3% | 51.7 | 2025-05-23 | 可能 | |
| 52 | 5.8% | 50.3 | 2025-04-10 | 可能 | |
| 53 | 5.4% | 49.9 | 2025-05-23 | 可能 | |
| 54 | 5.3% | 41.7 | 2025-04-10 | 可能 | |
| 55 | 5.0% | 48.5 | 2025-04-14 | 可能 | |
| 56 | 4.7% | 51.0 | 2025-07-23 | 可能 | |
| 57 | 4.5% | 44.2 | 2025-04-10 | 可能 | |
| 58 | 4.5% | 43.7 | 2025-04-10 | – | |
| 59 | 4.4% | 39.1 | 2025-04-10 | 可能 | |
| 60 | 4.4% | 44.2 | 2025-05-13 | 可能 |
相关基准测试
HLE Text-Only (Scale) 上的热门模型对比
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。