HLE 进步似乎放缓，GPT-5.6 和 Claude 5 只涨了几分
thegamebegins25 · reddit · 2026-07-25
这条帖子的核心问题是：Humanity’s Last Exam（HLE）的进展是不是在放缓？
作者观察到几件事：
- OpenAI 在 GPT-5.6 的博客里没有提 HLE；
- GPT-5.6 Sol（max） 相比 GPT-5.5（xhigh） 的提升似乎不到 3 个百分点；
- Claude 最新的 Fable / Opus / Sonnet 5 系列，相对 Opus 4.8 也大约只高了 3 分左右。
作者把这和去年常见的“月度双位数提升”对比，怀疑 AI 公司是不是开始把重心转向 Agent’s Last Exam，因为 HLE 本身已经越来越难继续刷高。
「模型」频道最新
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- 隐私场景实测：本地 Qwen 3.8 FN 不输云端前沿模型还更快 — dr_lm · 2026-10-27
- Aidan Gomez：模型推理痕迹说谎，CoT 监控对 Agent 可能失效 — aidangomez · 2026-10-27
- Nat Lambert 评 Cohere 开源模型:窄域 RL 训练依赖内部基础设施 — natolambert · 2026-10-27
- OpenAI DOTS 官方暗示「很快」登陆欧洲 — mark_k · 2026-10-27
- 科普作家 Pickover 出谜题:AI 能破译这段维京卢恩文字吗 — pickover · 2026-10-27