HLE-Diamond 榜单:Opus 5.5 得 68%,知识题比推理题更难倒前沿模型

ArtificialAnlys · x · 2026-10-28

Artificial Analysis 详解指数中取代 Humanity's Last Exam 的 HLE-Diamond:由 CAIS 与 Scale AI 出品的 1000 题精修版,推理与知识题各占一半。Claude Opus 5.5 (max) 以 68% 领先,GPT-6 Astra (max) 64%,Claude Fable 5.1 (max) 60%。

值得注意的结构性发现:头部模型在推理题上得分更高——Opus 5.5 与 GPT-6 Astra 推理均为 78%,但知识题分别只有 58% 和 50%,说明对最强模型而言,知识覆盖比推理更是短板。