HLE-Verified
Humanity's Last Exam の検証済みサブセット。
- 分類
- 推論
- 単位
- パーセント(%)
- 高いほど良い
- 比較グループ
- 2グループ
- すべてのモデルの順位(記録)・順位を付けた結果 3 件
すべてのモデルの順位(記録)
旧モデルと Claude Code / Codex で選べないモデルを含めて、比較グループごとに順位を付け直したものです。順位を付ける顔ぶれが違うので、上の順位とは違います。
旧モデル・選べないモデルを含む順位を開く(3 件)
公式の結果(Gemini 3.8 Flash model card)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Gemini 3.8 Flash | 記載なし | 54.9% | — | Gemini 3.8 Flash model card2026-11-12 取得・ベンダー発表値。Google 自己申告(model card, 2026-09 時点)。thinking 設定の記載なし出典の該当箇所HLE-Verified | 54.9% |
公式の結果(Gemini 3.7 Flash model card)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Gemini 3.7 Flash | 記載なし | 53.6% | — | Gemini 3.7 Flash model card2026-11-13 取得・ベンダー発表値。Google の model card の表。methodology PDF(deepmind.com/models/evals-methodology/gemini-3-7-flash): All of the results are run with the Gemini API ... with default sampling settings unless indicated otherwise。全モデル自社計算・検証済み 1,811 問出典の該当箇所HLE-Verified Multidisciplinary expert reasoning | 53.6%所在 Gemini 3.7 Flash model card の Evaluation 表、HLE-Verified 行・Gemini 3.7 Flash 列。自社計算の根拠は methodology PDF の Scientific Reasoning / HLE-Verified | |
| 2 | Gemini 3.6 Flash | 記載なし | 51.2% | — | Gemini 3.7 Flash model card2026-11-13 取得・ベンダー発表値。Google の model card の表。methodology PDF(deepmind.com/models/evals-methodology/gemini-3-7-flash): All of the results are run with the Gemini API ... with default sampling settings unless indicated otherwise。全モデル自社計算・検証済み 1,811 問出典の該当箇所HLE-Verified Multidisciplinary expert reasoning | 51.2%所在 Gemini 3.7 Flash model card の Evaluation 表、HLE-Verified 行・Gemini 3.6 Flash 列。自社計算の根拠は methodology PDF の Scientific Reasoning / HLE-Verified |