Humanity's Last Exam
AIベンチマーク結果とモデルの性能
種類: percentage
記録された結果
172
平均スコア
27.82%
スコアの範囲
4.20% - 64.70%
最上位モデル
64.70% - Claude Mythos Preview
スコアの推移
日付ごとの個別ベンチマークスコアです。
モデル結果
| 組織 | モデル | 報告日 | 最高スコア | 情報 | 自己申告 | 出典 |
|---|---|---|---|---|---|---|
| Claude Mythos Preview | 2026年4月07日 | 64.70% | With tools | はい | 出典 | |
| Claude Fable 5 | 2026年6月09日 | 64.50% | With tools; starred row in Anthropic's launch table | はい | 出典 | |
| Claude Mythos 5 | 2026年6月09日 | 64.50% | With tools; starred row in Anthropic's launch table | はい | 出典 | |
| Muse Spark 1.1 | 2026年7月09日 | 62.10% | With tools; multidisciplinary reasoning | はい | 出典 | |
| GPT 5.4 Pro | 2026年3月05日 | 58.70% | With tools | はい | 出典 | |
| Muse Spark Contemplating | 2026年4月08日 | 58.40% | With tools | はい | 出典 | |
| Claude Sonnet 5 | 2026年6月30日 | 57.40% | With web search, web fetch, programmatic tool calling, and code execution; auto thinking; 1M total-token cap | はい | 出典 | |
| GPT 5.5 Pro | 2026年4月23日 | 57.20% | With tools | はい | 出典 | |
| Claude Opus 5 | 2026年7月24日 | 56.30% | No tools; thinking set to auto; total token use capped at 1M; Claude Opus 4.6 grader | はい | 出典 | |
| Claude Opus 4.7 | 2026年4月16日 | 54.70% | With tools | はい | 出典 | |
| Claude Opus 4.6 | 2026年2月05日 | 53.10% | - | はい | 出典 | |
| GLM 5.1 | 2026年4月07日 | 52.30% | With tools | はい | 出典 | |
| GPT 5.5 | 2026年4月23日 | 52.20% | With tools | はい | 出典 | |
| GPT 5.4 | 2026年3月05日 | 52.10% | With tools | はい | 出典 | |
| Gemini 3.1 Pro Preview | 2026年2月19日 | 51.40% | Search + Code | はい | - | |
| Kimi K2 Thinking | 2025年11月06日 | 51% | inferred alias from kimi-k2-thinking-0905 | はい | 出典 | |
| Grok 4 Heavy | 2025年7月10日 | 50.70% | - | はい | 出典 | |
| Muse Spark | 2026年4月08日 | 50.40% | With tools | はい | 出典 | |
| Kimi K2.5 | 2026年1月27日 | 50.20% | - | はい | 出典 | |
| GPT 5.2 Pro | 2025年12月11日 | 50% | With Search + Python | はい | 出典 | |
| Fugu Ultra | 2026年6月22日 | 50% | Sakana Fugu product page benchmark table. | はい | 出典 | |
| Claude Sonnet 4.6 | 2026年2月17日 | 49% | With tools | はい | 出典 | |
| Qwen 3.5 27B | 2026年2月24日 | 48.50% | - | はい | 出典 | |
| Qwen 3.5 Flash | 2026年2月23日 | 48.50% | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | はい | 出典 | |
| Qwen 3.5 397B A17B | 2026年2月16日 | 48.30% | With tools | はい | 出典 |
