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。
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 |
|---|---|---|---|
| 1 | claude-fable-5-2Anthropic | 74.3% | Max 推理 · 含来源回退 |
| 5 | claude-opus-5-5Anthropic | 61.4% | Max 推理 · 含来源回退 |
| 7 | claude-fable-5-1Anthropic | 59.1% | Max 推理 · 含来源回退 |
| 10 | gemini-4-argonGoogle | 57.1% | High 推理 |
| 13 | claude-fable-5Anthropic | 55.5% | Max 推理 · 含来源回退 |
| 14 | claude-sonnet-5-5Anthropic | 55.0% | Max 推理 · 含来源回退 |
| 15 | claude-opus-5Anthropic | 54.9% | Max 推理 |
| 17 | gpt-6-astraOpenAI | 54.7% | Max 推理 |
| 21 | muse-wonder-fullMeta | 53.6% | Max 推理 |
| 23 | gpt-6-1-solOpenAI | 52.9% | Max 推理 |
| 27 | kimi-k3-1-proMoonshot AI | 52.5% | 来源默认配置 |
| 30 | muse-wonderMeta | 50.1% | Max 推理 |
| 34 | gpt-5-6-solOpenAI | 49.5% | Max 推理 |
| 35 | mimo-v2-6-proXiaomi | 49.4% | 来源默认配置 |
| 38 | muse-spark-1-3Meta | 48.7% | Max 推理 |
| 39 | claude-opus-4-8Anthropic | 48.7% | Max 推理 |
| 41 | minimax-m3-1-flashMiniMax | 48.0% | 来源默认配置 |
| 42 | gpt-6-solOpenAI | 47.9% | Max 推理 |
| 43 | gemini-3-7-flashGoogle | 47.9% | High 推理 |
| 44 | gemini-3-8-flashGoogle | 47.8% | High 推理 |
| 48 | gemini-3-1-pro-previewGoogle | 47.0% | 来源默认配置 |
| 49 | kimi-k3Moonshot AI | 46.9% | Max 推理 |
| 50 | step-5StepFun | 46.5% | 来源默认配置 |
| 52 | gpt-6-1-terraOpenAI | 46.2% | Max 推理 |
| 53 | muse-spark-1-1Meta | 46.2% | xHigh 推理 |
| 56 | gpt-5-5OpenAI | 45.8% | xHigh 推理 |
| 57 | muse-spark-1-2Meta | 45.5% | xHigh 推理 |
| 59 | claude-haiku-5-5Anthropic | 44.4% | Max 推理 |
| 60 | inkling-2-smallThinking Machines Lab | 44.1% | 来源默认配置 |
| 62 | grok-4-6-xhighxAI | 44.1% | 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。