Humanity's Last Exam
AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन
प्रकार: percentage
दर्ज परिणाम
172
औसत स्कोर
27.82%
स्कोर सीमा
4.20% - 64.70%
अग्रणी मॉडल
64.70% - Claude Mythos Preview
समय के साथ स्कोर
तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।
मॉडल परिणाम
| संगठन | मॉडल | रिपोर्ट किया गया | सबसे ऊँचा स्कोर | जानकारी | स्व-रिपोर्ट किया गया | स्रोत |
|---|---|---|---|---|---|---|
| Claude Mythos Preview | 07 अप्रैल 2026 | 64.70% | With tools | हाँ | स्रोत | |
| Claude Fable 5 | 09 जून 2026 | 64.50% | With tools; starred row in Anthropic's launch table | हाँ | स्रोत | |
| Claude Mythos 5 | 09 जून 2026 | 64.50% | With tools; starred row in Anthropic's launch table | हाँ | स्रोत | |
| Muse Spark 1.1 | 09 जुल॰ 2026 | 62.10% | With tools; multidisciplinary reasoning | हाँ | स्रोत | |
| GPT 5.4 Pro | 05 मार्च 2026 | 58.70% | With tools | हाँ | स्रोत | |
| Muse Spark Contemplating | 08 अप्रैल 2026 | 58.40% | With tools | हाँ | स्रोत | |
| Claude Sonnet 5 | 30 जून 2026 | 57.40% | With web search, web fetch, programmatic tool calling, and code execution; auto thinking; 1M total-token cap | हाँ | स्रोत | |
| GPT 5.5 Pro | 23 अप्रैल 2026 | 57.20% | With tools | हाँ | स्रोत | |
| Claude Opus 5 | 24 जुल॰ 2026 | 56.30% | No tools; thinking set to auto; total token use capped at 1M; Claude Opus 4.6 grader | हाँ | स्रोत | |
| Claude Opus 4.7 | 16 अप्रैल 2026 | 54.70% | With tools | हाँ | स्रोत | |
| Claude Opus 4.6 | 05 फ़र॰ 2026 | 53.10% | - | हाँ | स्रोत | |
| GLM 5.1 | 07 अप्रैल 2026 | 52.30% | With tools | हाँ | स्रोत | |
| GPT 5.5 | 23 अप्रैल 2026 | 52.20% | With tools | हाँ | स्रोत | |
| GPT 5.4 | 05 मार्च 2026 | 52.10% | With tools | हाँ | स्रोत | |
| Gemini 3.1 Pro Preview | 19 फ़र॰ 2026 | 51.40% | Search + Code | हाँ | - | |
| Kimi K2 Thinking | 06 नव॰ 2025 | 51% | inferred alias from kimi-k2-thinking-0905 | हाँ | स्रोत | |
| Grok 4 Heavy | 10 जुल॰ 2025 | 50.70% | - | हाँ | स्रोत | |
| Muse Spark | 08 अप्रैल 2026 | 50.40% | With tools | हाँ | स्रोत | |
| Kimi K2.5 | 27 जन॰ 2026 | 50.20% | - | हाँ | स्रोत | |
| GPT 5.2 Pro | 11 दिस॰ 2025 | 50% | With Search + Python | हाँ | स्रोत | |
| Fugu Ultra | 22 जून 2026 | 50% | Sakana Fugu product page benchmark table. | हाँ | स्रोत | |
| Claude Sonnet 4.6 | 17 फ़र॰ 2026 | 49% | With tools | हाँ | स्रोत | |
| Qwen 3.5 27B | 24 फ़र॰ 2026 | 48.50% | - | हाँ | स्रोत | |
| Qwen 3.5 Flash | 23 फ़र॰ 2026 | 48.50% | inferred family alias from qwen3.5-27b (score=0.4147; benches=81) | हाँ | स्रोत | |
| Qwen 3.5 397B A17B | 16 फ़र॰ 2026 | 48.30% | With tools | हाँ | स्रोत |
