Humanity's Last Exam(ツールあり)
専門家レベルの学術知識・推論テスト(ツールあり)。
- 分類
- 推論
- 単位
- パーセント(%)
- 高いほど良い
- 比較グループ
- 4グループ
- 今選べるモデルの順位・順位を付けた結果 17 件
- すべてのモデル(記録): 6 グループ・28 件
ランキング
出典区分(公式・第三者・論文)と測定条件が違う値は比べられないため、比較グループ(同じ出典か、同じ条件と確認できた出典の集まり)ごとに分けて順位を付けています。
今 Claude Code / Codex で選べるモデル(旧モデルを除く)だけで順位を付けています。
公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Fable 5.2 | Max | 74.2% | $4.51Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.2 · Max: 74.2% $4.51" |
| 2 | Claude Fable 5.2 | Xhigh | 73.4% | $1.48Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.2 · Xhigh: 73.4% $1.48" |
| 3 | Claude Fable 5.2 | High | 71.5% | $0.63Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.2 · High: 71.5% $0.63" |
| 4 | Claude Fable 5.2 | Med | 68.6% | $0.21Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.2 · Med: 68.6% $0.21" |
| 5 | Claude Fable 5.2 | Low | 68.4% | $0.19Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.2 · Low: 68.4% $0.19" |
| 6 | Claude Opus 5.5 | Max | 67.7% | $2.18Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Opus 5.5 · Max: 67.7% $2.18" |
| 7 | Claude Opus 5.5 | Xhigh | 66.4% | $0.69Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Opus 5.5 · Xhigh: 66.4% $0.69" |
| 8 | Claude Opus 5.5 | High | 63.9% | $0.29Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Opus 5.5 · High: 63.9% $0.29" |
| 9 | Claude Opus 5.5 | Med | 63.0% | $0.17Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Opus 5.5 · Med: 63.0% $0.17" |
| 10 | Claude Opus 5.5 | Low | 57.4% | $0.08Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Opus 5.5 · Low: 57.4% $0.08" |
| 11 | GPT-6 Astra | 記載なし | 57.2% | — | 記載なし | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。表注: Scores for Fable 5.2, Fable 5.1, and Opus 5.5 show results with safeguards on unless otherwise noted. All scores show each model’s highest-available effort unless otherwise noted. 他社モデル値(Anthropic 掲載)。出典の該当箇所57.2%所在 表 Humanity's Last Exam (with tools) 行: 57.2 |
公式の結果(Introducing Claude Opus 5.5)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 | Max | 67.7% | — | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。表注: Unless otherwise noted, all Claude Opus 5.5 results use adaptive thinking at max effort. production safeguards 有効。出典の該当箇所67.7%所在 表 Humanity's Last Exam (with tools) 行: 67.7 |
| 2 | GPT-6 Astra | 記載なし | 57.2% | — | 記載なし | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。表注: Unless otherwise noted, all Claude Opus 5.5 results use adaptive thinking at max effort. production safeguards 有効。 他社モデル値(Anthropic 掲載。effort 未記載のものは null)。出典の該当箇所57.2%所在 表 Humanity's Last Exam (with tools) 行: 57.2 |
公式の結果(Introducing Claude Sonnet 5.5)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 | 記載なし | 67.7% | — | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。表注: For details on how we run our evaluations, see the Sonnet 5.5 System Card(effort は表に明記のもののみ)出典の該当箇所67.7%所在 表 Humanity's Last Exam (with tools) 行: 67.7 |
| 2 | Claude Sonnet 5.5 | 記載なし | 64.5% | — | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。表注: For details on how we run our evaluations, see the Sonnet 5.5 System Card(effort は表に明記のもののみ)出典の該当箇所64.5%所在 表 Humanity's Last Exam (with tools) 行: 64.5 |
公式の結果(Introducing Claude Haiku 5.5)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Sonnet 5.5 | 記載なし | 64.5% | — | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。表注: see the Haiku 5.5 System Card(effort 未記載); Sonnet 5.5 は "For reference" 列出典の該当箇所64.5%所在 表 Humanity's Last Exam (with tools) 行: 64.5 |
| 2 | Claude Haiku 5.5 | 記載なし | 57.4% | — | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。表注: see the Haiku 5.5 System Card(effort 未記載)出典の該当箇所57.4%所在 表 Humanity's Last Exam (with tools) 行: 57.4 |
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(28 件)
公式の結果(Introducing Claude Fable 5.2 and Claude Mythos 5.2)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Fable 5.2 | Max | 74.2% | $4.51Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.2 · Max: 74.2% $4.51" |
| 2 | Claude Fable 5.2 | Xhigh | 73.4% | $1.48Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.2 · Xhigh: 73.4% $1.48" |
| 3 | Claude Fable 5.2 | High | 71.5% | $0.63Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.2 · High: 71.5% $0.63" |
| 4 | Claude Fable 5.2 | Med | 68.6% | $0.21Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.2 · Med: 68.6% $0.21" |
| 5 | Claude Fable 5.2 | Low | 68.4% | $0.19Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.2 · Low: 68.4% $0.19" |
| 6 | Claude Opus 5.5 | Max | 67.7% | $2.18Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Opus 5.5 · Max: 67.7% $2.18" |
| 7 | Claude Opus 5.5 | Xhigh | 66.4% | $0.69Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Opus 5.5 · Xhigh: 66.4% $0.69" |
| 8 | Claude Fable 5.1 | Max | 65.6% | $3.77Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.1 · Max: 65.6% $3.77" |
| 9 | Claude Fable 5.1 | Xhigh | 65.2% | $2.70Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.1 · Xhigh: 65.2% $2.70" |
| 10 | Claude Opus 5.5 | High | 63.9% | $0.29Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Opus 5.5 · High: 63.9% $0.29" |
| 11 | Claude Fable 5.1 | High | 63.1% | $1.37Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.1 · High: 63.1% $1.37" |
| 12 | Claude Opus 5.5 | Med | 63.0% | $0.17Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Opus 5.5 · Med: 63.0% $0.17" |
| 13 | Claude Fable 5.1 | Med | 62.4% | $0.85Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.1 · Med: 62.4% $0.85" |
| 14 | Claude Fable 5.1 | Low | 60.2% | $0.59Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Fable 5.1 · Low: 60.2% $0.59" |
| 15 | Claude Opus 5.5 | Low | 57.4% | $0.08Cost per attempt | Anthropic | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。Anthropic 発表ページの図「Humanity’s Last Exam (with tools) / Accuracy vs. cost」の点。値は図の各点の aria-label(DOM)から取得し、画面上は図のみ; 自社モデルの値(Anthropic の発表)出典の該当箇所Humanity’s Last Exam (with tools) — Accuracy vs. cost: "Opus 5.5 · Low: 57.4% $0.08" |
| 16 | GPT-6 Astra | 記載なし | 57.2% | — | 記載なし | Introducing Claude Fable 5.2 and Claude Mythos 5.22026-11-12 取得・ベンダー発表値。表注: Scores for Fable 5.2, Fable 5.1, and Opus 5.5 show results with safeguards on unless otherwise noted. All scores show each model’s highest-available effort unless otherwise noted. 他社モデル値(Anthropic 掲載)。出典の該当箇所57.2%所在 表 Humanity's Last Exam (with tools) 行: 57.2 |
公式の結果(Introducing Claude Opus 5.5)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 | Max | 67.7% | — | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。表注: Unless otherwise noted, all Claude Opus 5.5 results use adaptive thinking at max effort. production safeguards 有効。出典の該当箇所67.7%所在 表 Humanity's Last Exam (with tools) 行: 67.7 |
| 2 | Claude Fable 5.1 | 記載なし | 65.6% | — | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。表注: Unless otherwise noted, all Claude Opus 5.5 results use adaptive thinking at max effort. production safeguards 有効。出典の該当箇所65.6%所在 表 Humanity's Last Exam (with tools) 行: 65.6 |
| 3 | Claude Opus 5 | 記載なし | 63.6% | — | Anthropic | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。表注: Unless otherwise noted, all Claude Opus 5.5 results use adaptive thinking at max effort. production safeguards 有効。出典の該当箇所63.6%所在 表 Humanity's Last Exam (with tools) 行: 63.6 |
| 4 | GPT-6 Astra | 記載なし | 57.2% | — | 記載なし | Introducing Claude Opus 5.52026-11-12 取得・ベンダー発表値。表注: Unless otherwise noted, all Claude Opus 5.5 results use adaptive thinking at max effort. production safeguards 有効。 他社モデル値(Anthropic 掲載。effort 未記載のものは null)。出典の該当箇所57.2%所在 表 Humanity's Last Exam (with tools) 行: 57.2 |
公式の結果(Introducing Claude Sonnet 5.5)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 | 記載なし | 67.7% | — | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。表注: For details on how we run our evaluations, see the Sonnet 5.5 System Card(effort は表に明記のもののみ)出典の該当箇所67.7%所在 表 Humanity's Last Exam (with tools) 行: 67.7 |
| 2 | Claude Sonnet 5.5 | 記載なし | 64.5% | — | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。表注: For details on how we run our evaluations, see the Sonnet 5.5 System Card(effort は表に明記のもののみ)出典の該当箇所64.5%所在 表 Humanity's Last Exam (with tools) 行: 64.5 |
| 3 | Claude Sonnet 5 | 記載なし | 54.9% | — | Anthropic | Introducing Claude Sonnet 5.52026-11-12 取得・ベンダー発表値。表注: For details on how we run our evaluations, see the Sonnet 5.5 System Card(effort は表に明記のもののみ)出典の該当箇所54.9%所在 表 Humanity's Last Exam (with tools) 行: 54.9 |
公式の結果(Introducing Claude Haiku 5.5)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Sonnet 5.5 | 記載なし | 64.5% | — | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。表注: see the Haiku 5.5 System Card(effort 未記載); Sonnet 5.5 は "For reference" 列出典の該当箇所64.5%所在 表 Humanity's Last Exam (with tools) 行: 64.5 |
| 2 | Claude Haiku 5.5 | 記載なし | 57.4% | — | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。表注: see the Haiku 5.5 System Card(effort 未記載)出典の該当箇所57.4%所在 表 Humanity's Last Exam (with tools) 行: 57.4 |
| 3 | Claude Haiku 4.5 | 記載なし | 18.7% | — | Anthropic | Introducing Claude Haiku 5.52026-11-12 取得・ベンダー発表値。表注: see the Haiku 5.5 System Card(effort 未記載)出典の該当箇所18.7%所在 表 Humanity's Last Exam (with tools) 行: 18.7 |
公式の結果(GLM-5.3 (Hugging Face model card, zai-org))
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | GLM-5.3 | 記載なし | 62.5% | — | Z.ai | GLM-5.3 (Hugging Face model card, zai-org)2026-11-13 取得・ベンダー発表値(Z.ai 自己申告)。カードの Note: reasoning_effort の既定は max、ベンチマーク再現には既定の max を使う。最大 300,000 トークンの文脈管理・採点は GPT-5.6-luna (medium)。この脚注に effort の記載なし出典の該当箇所HLE w/ Tools | 62.5所在 HF モデルカード「Benchmark」の表、HLE w/ Tools 行・GLM-5.3 列(左端の数値列)。根拠: Footnotes の HLE w/ tools |
公式の結果(Introducing Claude Opus 4.6)
| 順位 | モデル | effort | スコア | 出典のコスト(指標) | 計測・報告 | 出典 |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 4.6 | Max | 53.0% | — | Anthropic | Introducing Claude Opus 4.62026-11-13 取得・ベンダー発表値(Anthropic の発表)。本文・脚注の文字の値(表と図は画像のため使っていない)。ツール: web search・web fetch・code execution・programmatic tool calling・50k で文脈圧縮(最大 3M)・max reasoning effort・adaptive thinking。不正検出の改善で 53.1% から更新出典の該当箇所[Feb 23, 2026] Updated reported score for Opus 4.6 for HLE with tools (53.1% to 53.0%).所在 Opus 4.6 発表ページの Footnotes 末尾の更新注記。effort は同じ Footnotes の Humanity’s Last Exam の項(max reasoning effort) |