HLE (w/ Tools)

最大上下文 300000 tokens, 无上下文管理策略HLE 的工具增强版本，允许模型在作答 HLE 题目时使用 Python 解释器、网络搜索、代码执行等外部工具。用于评估工具使用能否帮助模型突破纯文本推理的瓶颈，在超难知识型问题上取得更好表现。

#	模型	得分 (%)	厂商	来源
1	GPT-5.4 Pro	58.7	OpenAI	OpenAI GPT-5.5 发布页
2	Claude Opus 4.8	57.9	Anthropic	Hy3 Hugging Face README
3	GPT-5.5 Pro	57.2	OpenAI	OpenAI GPT-5.5 发布页
4	Seed2.1 Pro	55.7	字节跳动	Hy3 Hugging Face README
5	GLM-5.2	54.7	智谱AI	Hy3 Hugging Face README
6	Claude Opus 4.7	54.7	Anthropic	OpenAI GPT-5.5 发布页
7	Kimi-K2.6	54	月之暗面	Nemotron-3-Ultra 技术报告
8	Qwen3.7-Max	53.5	阿里巴巴	Hy3 Hugging Face README
9	混元3	53.2	腾讯	Hy3 Hugging Face README
10	Claude Opus 4.6	53.1	Anthropic	DeepSeek-V4-Pro 技术报告

最大上下文 300000 tokens, 无上下文管理策略HLE 的工具增强版本，允许模型在作答 HLE 题目时使用 Python 解释器、网络搜索、代码执行等外部工具。用于评估工具使用能否帮助模型突破纯文本推理的瓶颈，在超难知识型问题上取得更好表现。

#	模型	得分 (%)	厂商	来源
1	GPT-5.4 Pro	58.7	OpenAI	OpenAI GPT-5.5 发布页
2	Claude Opus 4.8	57.9	Anthropic	Hy3 Hugging Face README
3	GPT-5.5 Pro	57.2	OpenAI	OpenAI GPT-5.5 发布页
4	Seed2.1 Pro	55.7	字节跳动	Hy3 Hugging Face README
5	GLM-5.2	54.7	智谱AI	Hy3 Hugging Face README
6	Claude Opus 4.7	54.7	Anthropic	OpenAI GPT-5.5 发布页
7	Kimi-K2.6	54	月之暗面	Nemotron-3-Ultra 技术报告
8	Qwen3.7-Max	53.5	阿里巴巴	Hy3 Hugging Face README
9	混元3	53.2	腾讯	Hy3 Hugging Face README
10	Claude Opus 4.6	53.1	Anthropic	DeepSeek-V4-Pro 技术报告