Benchmark
HLE-Verified-version tulokset Googlen Gemini 3.8 Flash -vertailusta. Pidetään erillään alkuperäisestä HLE:stä ja sen työkalullisesta versiosta.
Kärkitulos 54,9 %
Mediaani 54,4 %
Tuloshaitari 31 % - 54,9 %
Tulostaulukko
| Sija | Malli | Tulos | Lähde |
|---|---|---|---|
| #1 | 54,9 % | ||
| #2 | 54,5 % | ||
| #3 | 54,4 % | ||
| #4 | 51,1 % | ||
| #5 | 31 % |
Tietoa benchmarkista
- Lähde
- Google DeepMind
- Päivitetty
- 7.9.2026
- Linkki
- Avaa lähde
HLE-Verified on HLE:n erillinen arviointiversio. Tämän sivun pisteet ovat Googlen Gemini 3.8 Flash -julkaisusivun HLE-Verified-vertailusta, joka on tarkistettu käsin 7.9.2026.
Tulokset kattavat Gemini 3.8 Flashin, GPT-5.6 Solin, Claude Opus 5:n, Gemini 3.7 Flashin, GPT-5.6 Terran ja Claude Sonnet 5:n. Vertailun on julkaissut Google; taulukon valmistajakohtaiset tulokset eivät muodosta erikseen tehtyä riippumatonta arviota.
Pidämme nämä luvut erillään alkuperäisestä HLE:stä ilman työkaluja ja työkalullisesta HLE:stä. Lähde: Google DeepMindin HLE-Verified-kuvaaja.