Benchmark
HLE
reasoning
math
multimodal
Humanity's Last Exam (HLE) is a multi-modal academic benchmark with 2,500 questions across mathematics, humanities, and natural sciences, designed to test LLM capabilities at the frontier of human knowledge with unambiguous, verifiable solutions
Top 10
榜单概览
数据说明
分数为 0-100 百分制综合成绩（Elo 榜为相对评分，仅供同榜内比较）。评测分数属事实数据，整理自公开评测体系与厂商公开资料，部分分数为厂商自报口径，不同榜单的评测方法与数据集可能存在差异，请结合多个榜单交叉参考。
Ranking
模型排名
| 名次 | 模型 | 机构 | 分数 | 来源 |
|---|---|---|---|---|
| 1 | Grok 4 Fast | xAI | 20.0 | 来源 |
| 2 | GLM-4.6 | Zhipu AI | 17.2 | 来源 |
| 3 | GLM-4.5 | Zhipu AI | 14.4 | 来源 |
| 4 | GLM-4.5-Air | Zhipu AI | 10.6 | 来源 |
| 5 | Kimi K2-Instruct-0905 | Moonshot AI | 4.7 | 来源 |