CAIS 发布精修版 HLE-Diamond 基准，GPT-6 Astra 以 60.6% 居首

CAIS 联合 Scale AI 发布 Humanity's Last Exam 基准历时一年清洗精修后的 1000 题子集 HLE-Diamond（500 道人出题、500 道 AI 生成等结构见官方博客），用于更可靠地衡量前沿模型能力。在新的盲测榜单上，GPT-6 Astra 以 60.6% 的成绩排名第一。

2026-09-24 ~ 2026-09-24 · 3 条相关

• Humanity's Last Exam 推出修订版 HLE-Diamond — socoolandawesome · 2026-09-24
• CAIS 发布 HLE-Diamond:1000 题精修基准,GPT-6 Astra 拿 60.6% 居首 — steipete · 2026-09-24
• Scale AI 发布 HLE-Diamond:精修版人类最后考试,最强模型得 60.6% — sandersted · 2026-09-24