Artificial Analysis 发布 HLE-Diamond 榜单，Gemini 4 Carbon 居首

Artificial Analysis 推出基于 CAIS 与 Scale AI 历时一年清洗精炼的 1000 题 Humanity's Last Exam 基准 HLE-Diamond 排行榜，仅 13% 的模型得分过半，Gemini 4 Carbon 以 69% 位列第一，闭源模型包揽前列，开源权重模型落后逾 30 分。榜单分析显示，50 分以上模型在推理题上普遍比知识题高出 16-35 分；提高推理力度档位可带来涨分，如 Claude Opus 5.5 提升约 26 分，但成本飙升 11-35 倍。

2026-10-30 ~ 2026-10-30 · 4 条相关

• Artificial Analysis 推出 HLE-Diamond 榜单：仅 13% 模型过半分，Gemini 4 Carbon 以 69% 居首 — ArtificialAnlys · 2026-10-30
• HLE-Diamond 榜单：推理题普遍高出知识题 16-35 分，努力档位涨分但成本飙升 11-35 倍 — ArtificialAnlys · 2026-10-30
• HLE-Diamond实测:高推理档位Claude Opus 5.5提26分但成本贵35倍 — ArtificialAnlys · 2026-10-30
• HLE-Diamond 新榜：开源权重模型落后闭源逾 30 分 — Neurogence · 2026-10-30