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
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11