基准HLE
Humanities Last Exam
覆盖数十个晦涩复杂人文学科领域的AI评测基准，用于测试模型在高难度学术问题上的推理能力
时间轴 (近 90 天)
10月12日
Humanities Last Exam是涵盖哲学、历史、文学等人文学科的专家级难题库，顶级模型正确率普遍低于20%
待验证50%
10月4日
在Humanities Last Exam的Diamond版本上，Astra反超Opus 5.5约5%
已过期50%
9月4日
Claude 5.1在Humanities Last Exam不带工具时得分60.9%，接入工具后升至65%
待验证50%