UMBRELLA 4365 HLE
Humanity's Last Exam 由数千名领域专家出题，题目刻意设计为搜索引擎与现有模型都答不出，是衡量前沿推理能力天花板的基准之一。本页汇总公开成绩。数字全部取自官方发布材料、第三方评测机构与站内已查证档案，评测口径（版本 / 算力档 / 脚手架）标在备注里；因训练数据污染撤榜的成绩不收录。仅作记录，不构成选型建议。
模型 21 个成绩 22 条前沿刷新 8 次2025.03.25 → 2026.09.28
◈ 当前榜 CURRENT BOARD每个模型取最近一次公开成绩
| # | 模型 | 成绩 | 相对前沿 | 日期 | 口径 / 备注 |
|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 Anthropic |
64.4% | 100 | 无工具 · 官方系统卡（带工具 67.7%） 原文 ↗ | |
| 2 | Claude Fable 5.1 Anthropic |
60.9% | 94.6 | 无工具 · 官方自报（带工具 65.0） 原文 ↗ | |
| 3 | Claude Fable 5 Anthropic |
57.8% | 89.8 | 无工具 · 据 Fable 5.1 发布对照表（带工具 63.8；Kimi K3 报告对照为 53.3） 原文 ↗ | |
| 4 | Claude Sonnet 5.5 Anthropic |
56.9% | 88.4 | 无工具 · 官方系统卡（带工具 64.5%） 原文 ↗ | |
| 5 | Claude Opus 5 Anthropic |
56.6% | 87.9 | 无工具 · 据 Fable 5.1 发布对照表（带工具 63.6） 原文 ↗ | |
| 6 | Claude Opus 4.8 Anthropic |
49.8% | 77.3 | 无工具 · 据 Kimi K3 技术报告对照表（带工具 57.9） 原文 ↗ | |
| 7 | GPT-5.6 Sol OpenAI |
44.5% | 69.1 | 无工具 · 据 Kimi K3 技术报告对照表（带工具 58.0） 原文 ↗ | |
| 8 | Kimi K3 月之暗面 · Kimi |
43.5% | 67.5 | 无工具 · 技术报告自报（带工具 56.0） 原文 ↗ | |
| 9 | DeepSeek-V4-Pro DeepSeek |
42.7% | 66.3 | V4-Pro-0813 · 无工具 · 官方更新日志自报（带工具 60.0） 原文 ↗ | |
| 10 | Qwen3.7-Max 阿里 · Qwen |
41.4% | 64.3 | 无工具 · 第三方 tracker 观测（llmreference） 原文 ↗ | |
| 11 | GPT-5.5 OpenAI |
41.4% | 64.3 | 无工具 · 据 Kimi K3 技术报告对照表（带工具 52.2） 原文 ↗ | |
| 12 | Gemini 3 Pro Google DeepMind |
37.5% | 58.2 | 无工具 · 官方自报 原文 ↗ | |
| 13 | DeepSeek-V4.1-Flash DeepSeek |
36.8% | 57.1 | 无工具 · 官方更新日志自报（带工具 63.9） 原文 ↗ | |
| 14 | GPT-5.2 OpenAI |
35.4% | 55 | 无工具 · 据智谱 GLM-5 发布对照表 原文 ↗ | |
| 15 | Kimi K2.5 月之暗面 · Kimi |
31.5% | 48.9 | 无工具 · 据智谱 GLM-5 发布对照表 原文 ↗ | |
| 16 | GLM-5 智谱 · GLM |
30.5% | 47.4 | 无工具 · 官方自报 原文 ↗ | |
| 17 | Grok 4 xAI / SpaceXAI |
25.4% | 39.4 | 无工具 · 官方自报（带工具 38.6%） 原文 ↗ | |
| 18 | DeepSeek-V3.2 DeepSeek |
25.1% | 39 | 无工具 · 据智谱 GLM-5 发布对照表 原文 ↗ | |
| 19 | GPT-5 OpenAI |
24.8% | 38.5 | 无工具 · 官方自报 原文 ↗ | |
| 20 | o3 OpenAI |
20.3% | 31.5 | 无工具 · 官方自报 原文 ↗ | |
| 21 | Gemini 2.5 Pro Google DeepMind |
18.8% | 29.2 | 无工具 · 官方自报 原文 ↗ |
◈ 能力曲线 CAPABILITY CURVE
● 公开成绩（悬停看读数，点击进档案）◆ 刷新纪录的成绩— 前沿线（历史最高分的阶梯）
SWE-bench Verified · 46DeepSWE v1.1 · 18Terminal-Bench 2.1 · 18Terminal-Bench 4.0 · 18FrontierCode 1.1 Main · 13AA Intelligence Index · 12CursorBench 4.0 · 8SWE-bench Pro · 8AA Coding Agent Index · 7Terminal-Bench-Science 0.1 · 7CursorBench · 5Terminal-Bench 2.0 · 4Terminal-Bench 3.0 · 3SWE-bench Pro (Multilingual) · 2SWE-bench Pro (Multimodal) · 2Terminal-Bench · 2
◈ 前沿刷新记录 FRONTIER BREAKS榜首的保质期
| 日期 | 刷新者 | 分数 | 提升 | 在位 |
|---|---|---|---|---|
| Gemini 2.5 Pro Google DeepMind | 18.8% | 首个记录 | 22 天 | |
| o3 OpenAI | 20.3% | +1.5 | 84 天 | |
| Grok 4 xAI / SpaceXAI | 25.4% | +5.1 | 132 天 | |
| Gemini 3 Pro Google DeepMind | 37.5% | +12.1 | 201 天 | |
| Qwen3.7-Max 阿里 · Qwen | 41.4% | +3.9 | 39 天 | |
| Claude Fable 5 Anthropic | 53.3% | +11.9 | 47 天 | |
| Claude Fable 5.1 Anthropic | 60.9% | +7.6 | 21 天 | |
| Claude Opus 5.5 Anthropic | 64.4% | +3.5 | 在位中 · 40 天 |