Humanity's Last Exam
Resultados de evaluaciones comparativas de IA y rendimiento de modelos
Tipo: percentage
Resultados registrados
172
Puntuación media
27.82%
Rango de puntuaciones
4.20% - 64.70%
Modelo líder
64.70% - Claude Mythos Preview
Puntuaciones a lo largo del tiempo
Puntuaciones individuales de la evaluación a lo largo del tiempo.
Resultados de modelos
| Organización | Modelos | Fecha del resultado | Mejor puntuación | Información | Autodeclarado | Fuente |
|---|---|---|---|---|---|---|
| Claude Mythos Preview | 07 abr 2026 | 64,70 % | With tools | Sí | Fuente | |
| Claude Fable 5 | 09 jun 2026 | 64,50 % | With tools; starred row in Anthropic's launch table | Sí | Fuente | |
| Claude Mythos 5 | 09 jun 2026 | 64,50 % | With tools; starred row in Anthropic's launch table | Sí | Fuente | |
| Muse Spark 1.1 | 09 jul 2026 | 62,10 % | With tools; multidisciplinary reasoning | Sí | Fuente | |
| GPT 5.4 Pro | 05 mar 2026 | 58,70 % | With tools | Sí | Fuente | |
| Muse Spark Contemplating | 08 abr 2026 | 58,40 % | With tools | Sí | Fuente | |
| Claude Sonnet 5 | 30 jun 2026 | 57,40 % | With web search, web fetch, programmatic tool calling, and code execution; auto thinking; 1M total-token cap | Sí | Fuente | |
| GPT 5.5 Pro | 23 abr 2026 | 57,20 % | With tools | Sí | Fuente | |
| Claude Opus 5 | 24 jul 2026 | 56,30 % | No tools; thinking set to auto; total token use capped at 1M; Claude Opus 4.6 grader | Sí | Fuente | |
| Claude Opus 4.7 | 16 abr 2026 | 54,70 % | With tools | Sí | Fuente | |
| Claude Opus 4.6 | 05 feb 2026 | 53,10 % | - | Sí | Fuente | |
| GLM 5.1 | 07 abr 2026 | 52,30 % | With tools | Sí | Fuente | |
| GPT 5.5 | 23 abr 2026 | 52,20 % | With tools | Sí | Fuente | |
| GPT 5.4 | 05 mar 2026 | 52,10 % | With tools | Sí | Fuente | |
| Gemini 3.1 Pro Preview | 19 feb 2026 | 51,40 % | Search + Code | Sí | - | |
| Kimi K2 Thinking | 06 nov 2025 | 51 % | inferred alias from kimi-k2-thinking-0905 | Sí | Fuente | |
| Grok 4 Heavy | 10 jul 2025 | 50,70 % | - | Sí | Fuente | |
| Muse Spark | 08 abr 2026 | 50,40 % | With tools | Sí | Fuente | |
| Kimi K2.5 | 27 ene 2026 | 50,20 % | - | Sí | Fuente | |
| GPT 5.2 Pro | 11 dic 2025 | 50 % | With Search + Python | Sí | Fuente | |
| Fugu Ultra | 22 jun 2026 | 50 % | Sakana Fugu product page benchmark table. | Sí | Fuente | |
| Claude Sonnet 4.6 | 17 feb 2026 | 49 % | With tools | Sí | Fuente | |
| Qwen 3.5 27B | 24 feb 2026 | 48,50 % | - | Sí | Fuente | |
| Qwen 3.5 Flash | 23 feb 2026 | 48,50 % | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | Sí | Fuente | |
| Qwen 3.5 397B A17B | 16 feb 2026 | 48,30 % | With tools | Sí | Fuente |
