HLE-Full (w/ Tools)

HLE 完整版的工具增强版本，结合全部 HLE 题目与工具使用能力。测试在最大难度和广度下，AI 利用外部工具辅助推理的综合表现。

推理官方网站

#	模型		得分 (%)	厂商	来源
1	Claude Mythos Preview		64.7	Anthropic	Claude Fable 5 技术报告
2	Claude Fable 5		64.5	Anthropic	Claude Fable 5 技术报告
3	Muse Spark 1.1		62.1	Meta	Meta Muse Spark 1.1 Evaluation Report
4	Claude Opus 4.8		57.9	Anthropic	Meta Muse Spark 1.1 Evaluation Report
5	Claude Sonnet 5		57.4	Anthropic	Claude Sonnet 5 技术报告
6	Kimi-K2.6		54	月之暗面	Kimi K2.6 技术报告
7	Claude Opus 4.6		53	Anthropic	Kimi K2.6 技术报告
8	GPT-5.5		52.2	OpenAI	Meta Muse Spark 1.1 Evaluation Report
9	GPT-5.4		52.1	OpenAI	Kimi K2.6 技术报告
10	Gemini 3.1 Pro		51.4	Google	Meta Muse Spark 1.1 Evaluation Report