מבחן הערכה
Humanity's Last Exam (HLE)
מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת
מה הוא מודד
ידע וחשיבה: ידע רב תחומי ויכולת חשיבה על שאלות מורכבות · טקסט ותמונה: הבנה משולבת של טקסט ותמונה
מה הוא לא מודד
- אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.
- הציון נקבע בהערכה על ידי מודל אחר ולכן משקלו מוגבל בתוך היכולת.
הערות רישום
Strong frontier signal; judge-based components must be labeled and capped.
תוצאות שנקלטו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| Claude Opus 5 | 64.7 | Humanity's Last Exam · דיווח של הספק | קישור |
| Muse Spark 1.1 | 62.1 | Humanity's Last Exam · דיווח של הספק | קישור |
| Claude Opus 4.8 | 57.9 | Humanity's Last Exam · דיווח של הספק | קישור |
| Apodex 1.1 | 56.1 | Humanity's Last Exam · דיווח של הספק | קישור |
| Kimi K3 | 56.0 | Humanity's Last Exam · דיווח של הספק | קישור |
| Claude Opus 4.7 (Adaptive) | 54.7 | Humanity's Last Exam · דיווח של הספק | קישור |
| GLM-5.2 | 54.7 | Humanity's Last Exam · דיווח של הספק | קישור |
| Claude Opus 4.6 | 53.0 | Humanity's Last Exam · דיווח של הספק | קישור |
| GLM-5.1 | 52.3 | Humanity's Last Exam · דיווח של הספק | קישור |
| GPT-5.5 | 52.2 | Humanity's Last Exam · דיווח של הספק | קישור |
| GPT-5.4 | 52.1 | Humanity's Last Exam · דיווח של הספק | קישור |
| Muse Spark | 50.4 | Humanity's Last Exam · דיווח של הספק | קישור |
| GLM-5 | 50.4 | Humanity's Last Exam · מקור לא מאומת | קישור |
| MiMo-V2.5-Pro | 48.0 | Humanity's Last Exam · דיווח של הספק | קישור |
| Inkling-Small | 47.8 | Humanity's Last Exam · דיווח של הספק | קישור |
| Inkling | 46.0 | Humanity's Last Exam · דיווח של הספק | קישור |
| DeepSeek V4 Pro 0813 | 42.7 | Humanity's Last Exam · דיווח של הספק | קישור |
| Qwen3.7 Max | 41.4 | Humanity's Last Exam · דיווח של הספק | קישור |
| Gemini 3.5 Flash | 40.2 | Humanity's Last Exam · דיווח של הספק | קישור |
| GPT-5.4 nano | 37.7 | Humanity's Last Exam · דיווח של הספק | קישור |
| Qwen3.8-Flash-Next | 35.9 | Humanity's Last Exam · דיווח של הספק | קישור |
| Qwen3.7 Plus | 34.7 | Humanity's Last Exam · דיווח של הספק | קישור |
| Kimi K2.6 | 34.7 | Humanity's Last Exam · דיווח של הספק | קישור |
| Qwen3.8-27B | 30.8 | Humanity's Last Exam · דיווח של הספק | קישור |
| Kimi K2.5 | 30.1 | Humanity's Last Exam · דיווח של הספק | קישור |
| Qwen3.6 Plus | 28.8 | Humanity's Last Exam · דיווח של הספק | קישור |
| Gemma 4 31B | 26.5 | Humanity's Last Exam · דיווח של הספק | קישור |
| Ling 3.0 Flash | 22.7 | Humanity's Last Exam · דיווח של הספק | קישור |