跳到正文

Humanity’s Last Exam(Artificial Analysis 复跑)

Artificial Analysis / 科研 · 数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。

官方评测
在 AIHOT 中参与排名
所属领域科研
上游数据时间待核实
最近成功同步11/18 20:05

它测什么,怎么测

取 Artificial Analysis 独立公布的 Humanity’s Last Exam 的正确率(不用工具)。同一型号按最高推理档位选代表配置,选择不看分数。

AIHOT 怎么用它

计分:科研领域的专家难题一类。

评测成绩

同一模型测了多个档位时,按固定规则只取一套代表成绩;没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示,名次照搬原榜,每项最多列 30 个。

原榜名次原榜型号原始成绩代表配置
1claude-fable-5-2Anthropic74.3%Max 推理 · 含来源回退
5claude-opus-5-5Anthropic61.4%Max 推理 · 含来源回退
7claude-fable-5-1Anthropic59.1%Max 推理 · 含来源回退
10gemini-4-argonGoogle57.1%High 推理
13claude-fable-5Anthropic55.5%Max 推理 · 含来源回退
14claude-sonnet-5-5Anthropic55.0%Max 推理 · 含来源回退
15claude-opus-5Anthropic54.9%Max 推理
17gpt-6-astraOpenAI54.7%Max 推理
21muse-wonder-fullMeta53.6%Max 推理
23gpt-6-1-solOpenAI52.9%Max 推理
27kimi-k3-1-proMoonshot AI52.5%来源默认配置
30muse-wonderMeta50.1%Max 推理
34gpt-5-6-solOpenAI49.5%Max 推理
35mimo-v2-6-proXiaomi49.4%来源默认配置
38muse-spark-1-3Meta48.7%Max 推理
39claude-opus-4-8Anthropic48.7%Max 推理
41minimax-m3-1-flashMiniMax48.0%来源默认配置
42gpt-6-solOpenAI47.9%Max 推理
43gemini-3-7-flashGoogle47.9%High 推理
44gemini-3-8-flashGoogle47.8%High 推理
48gemini-3-1-pro-previewGoogle47.0%来源默认配置
49kimi-k3Moonshot AI46.9%Max 推理
50step-5StepFun46.5%来源默认配置
52gpt-6-1-terraOpenAI46.2%Max 推理
53muse-spark-1-1Meta46.2%xHigh 推理
56gpt-5-5OpenAI45.8%xHigh 推理
57muse-spark-1-2Meta45.5%xHigh 推理
59claude-haiku-5-5Anthropic44.4%Max 推理
60inkling-2-smallThinking Machines Lab44.1%来源默认配置
62grok-4-6-xhighxAI44.1%xHigh 推理
评测局限与数据署名

部分题目答案存在争议;正确率普遍偏低,接近 0 的成绩只说明“至多这么强”。

数据许可:Artificial Analysis 公开页面数据;展示须显著署名并链接来源,遵守其 Terms of Use

成绩由 Artificial Analysis 发布。各项评测的原始分数尺度不同,不能直接相加;AIHOT 按公开规则把它们折算成同一种分数。