HLE (Humanity's Last Exam)

temperature=1.0, top_p=0.95, max=163840 tokens, 默认 text-only 子集Humanity's Last Exam (HLE) 是由 CAIS 与 Scale AI 于 2025 年发布的极难评测集，包含约 2500 道来自数学、物理、化学、生物、历史、法律等多领域的高难度题目。格式为多项选择和自由回答，旨在衡量 AI 在人类专家级别知识上的极限表现，被称为「人类的最后考试」。当前最强模型准确率仅约 5-10%。

推理官方网站

#	模型	得分 (%)	厂商	来源
1	Claude Opus 4.8	49.8	Anthropic	Hy3 Hugging Face README
2	GPT-5.5	46.9	OpenAI	Hy3 Hugging Face README
3	Claude Opus 4.7	46.9	Anthropic	OpenAI GPT-5.5 发布页
4	Gemini 3.1 Pro	45	Google	Hy3 Hugging Face README
5	GPT-5.5 Pro	43.1	OpenAI	OpenAI GPT-5.5 发布页
6	GPT-5.4 Pro	42.7	OpenAI	OpenAI GPT-5.5 发布页
7	Qwen3.7-Max	41.4	阿里巴巴	Hy3 Hugging Face README
8	GLM-5.2	40.5	智谱AI	Hy3 Hugging Face README
9	Claude Opus 4.6	40	Anthropic	Qwen3.7-Plus 技术报告
10	GPT-5.4	39.8	OpenAI	OpenAI GPT-5.5 发布页

返回

HLE (Humanity's Last Exam)

temperature=1.0, top_p=0.95, max=163840 tokens, 默认 text-only 子集Humanity's Last Exam (HLE) 是由 CAIS 与 Scale AI 于 2025 年发布的极难评测集，包含约 2500 道来自数学、物理、化学、生物、历史、法律等多领域的高难度题目。格式为多项选择和自由回答，旨在衡量 AI 在人类专家级别知识上的极限表现，被称为「人类的最后考试」。当前最强模型准确率仅约 5-10%。

推理官方网站

#	模型	得分 (%)	厂商	来源
1	Claude Opus 4.8	49.8	Anthropic	Hy3 Hugging Face README
2	GPT-5.5	46.9	OpenAI	Hy3 Hugging Face README
3	Claude Opus 4.7	46.9	Anthropic	OpenAI GPT-5.5 发布页
4	Gemini 3.1 Pro	45	Google	Hy3 Hugging Face README
5	GPT-5.5 Pro	43.1	OpenAI	OpenAI GPT-5.5 发布页
6	GPT-5.4 Pro	42.7	OpenAI	OpenAI GPT-5.5 发布页
7	Qwen3.7-Max	41.4	阿里巴巴	Hy3 Hugging Face README
8	GLM-5.2	40.5	智谱AI	Hy3 Hugging Face README
9	Claude Opus 4.6	40	Anthropic	Qwen3.7-Plus 技术报告
10	GPT-5.4	39.8	OpenAI	OpenAI GPT-5.5 发布页