Artificial Analysis 推出 HLE-Diamond 榜单：仅 13% 模型过半分，Gemini 4 Carbon 以 69% 居首
ArtificialAnlys · x · 2026-10-30
Artificial Analysis 发布 HLE-Diamond 排行榜，对 CAIS 与 Scale AI 经一年清洗精炼后的 1000 题 Humanity's Last Exam 精炼版做独立评测，作为其 Intelligence Index v5 的一部分。题目为封闭式，推理与知识各半，272 题含图片；全部无工具作答一次(pass@1)，用官方 HLE 系统提示词和 GPT-5.6 Luna (medium) 按官方判分提示词评分。
关键发现:
- 仅 17 个模型变体(约 13%)得分超过 50%：Gemini 4 Carbon (high) 以 69% 领先，Claude Opus 5.5 (max) 68% 次之
- 推理强于知识：90% 以上模型推理部分得分更高。Gemini 4 Carbon 推理 80%/知识 59%；Opus 5.5 与 GPT-6 Astra (max) 推理均 78%，知识上 Opus 5.5 以 58% 领先于 50%
- 开源权重模型落后 30+ 分：Kimi K3.1 Pro (权重未发布) 37% 最高，MiniMax-M3.1-Flash 28%，Kimi K3 (max) 27%
所属事件:Artificial Analysis 发布 HLE-Diamond 榜单，仅 13% 模型过半(3 条相关)→
「模型」频道最新
- OpenAI 给 ChatGPT 订阅者发 API 额度：Pro 各档等额返现 — lxfater · 2026-10-30
- 科研智能体用模型调研:DeepSeek V4.1 Flash 成最热门开源模型 — AkariAsai · 2026-10-30
- 圈内人称 Gemini Argon 会做出研究者级「跳跃」，Google 疑似掌握独家诀窍 — vitaliychiley · 2026-10-30
- Alexandr Wang 晒图:Meta Muse 回答比 ChatGPT 简洁 6.7 倍 — alexandr_wang · 2026-10-30
- 算上重置次数：OpenAI 补贴策略改写性价比帕累托前沿 — RexDouglass · 2026-10-30
- 语音模型 Phonic 登顶 VAmoS 基准，agentic 语音对语音训练难度获同行认证 — graceisford · 2026-10-30