Benchmark
Humanity’s Last Exam
general
multimodal
A multi-modal benchmark at the frontier of human knowledge with 2,500 questions across dozens of subjects including mathematics, humanities, and natural sciences, created by nearly 1000 subject expert contributors from over 500 institutions
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 | GPT-5 | OpenAI | 24.8 | 来源 |
| 2 | DeepSeek-V3.2-Exp | DeepSeek | 19.8 | 来源 |
| 3 | GPT OSS 120B | OpenAI | 19.0 | 来源 |
| 4 | Qwen3-235B-A22B-Thinking-2507 | Alibaba Cloud / Qwen Team | 18.2 | 来源 |
| 5 | GPT OSS 20B | OpenAI | 17.3 | 来源 |
| 6 | GPT-5 mini | OpenAI | 16.7 | 来源 |
| 7 | GPT-5 nano | OpenAI | 8.7 | 来源 |