Humanity's Last Exam
Humanity's Last Exam 是面向大型语言模型学术能力评估的多模态基准测试平台,由全球多领域专家联合开发。核心功能包括覆盖100余个学科的标准化试题库、支持多模态模型的统一测试流程、自动化生成详细学术能力评估报告。目标用户覆盖AI模型研发团队、高校人工智能研究人员、AI行业评测机构、科技企业算法开发部门等,可用于大模型学术能力摸底测试、不同模型学术能力横向对比、模型迭代效果验证、AI学术评测相关研究等场景,为人工智能技术在学术领域的性能优化提供参考依据。
- 免费增值,部分功能付费
- 网页
编辑评分3.5 / 5分类排名第 32 / 186 名
Humanity's Last Exam是什么
Humanity's Last Exam是面向大语言模型学术能力评估的多模态基准测试平台,由全球多领域专家联合开发。它解决了当前大模型学术能力评测标准不统一、学科覆盖不全、多模态测试流程零散的问题,依托覆盖100余个学科的标准化试题库搭建统一测试框架,用户可上传待评测的大模型或多模态模型,按预设流程完成全学科测试,平台自动采集模型的答题表现数据,输出对应维度的评测结果。
它的能力边界限定在学术维度的模型能力评测,不涉及工业场景落地效果、商业化适配性等非学术属性的评估,所有试题均为标准化学术类题目,不包含创意生成、日常对话类的非学术测试项。AI模型研发团队、高校人工智能研究人员需要做模型学术能力摸底、不同模型横向对比、迭代效果验证时,选这个平台会更适配需求。
核心能力
Humanity's Last Exam 具备覆盖100余个学科的标准化试题库能力,该题库包含不同学科领域的学术类题目,题型贴合高校科研与AI模型学术能力验证的需求,官网称其试题由多领域专家设计,可避免单一视角的评测偏差。它支持多模态模型的统一测试流程,能同时适配文本、图像等不同输入类型的AI模型,测试流程无需针对不同模态单独调整,可保证评测结果的可比性。它还能自动化生成详细学术能力评估报告,报告会拆解模型在各学科、各题型上的表现,而非仅给出单一分数。该能力的边界在于,仅针对学术类任务的能力评估,不覆盖通用对话、创意生成等非学术场景的评测,也无法提供模型的推理过程解释。
- 百科学术试题库
- 覆盖100余个学科的标准化学术试题,省去用户自行整理评测题目的时间成本
- 多模态统一测试
- 适配不同类型的大模型与多模态模型,用同一流程完成多类模型的评测操作
- 自动生成评估报告
- 自动汇总模型答题数据,输出细分维度的学术能力表现结果,无需手动统计
- 跨模型横向对比
- 可将多个待评测模型的学术得分放在同一维度下展示,直观呈现能力差异
快速上手
- 打开平台官网完成账号注册,进入评测功能的主操作页面
- 选择对应评测类型,录入待评测模型的相关接入参数,完成基础配置
- 选定需要覆盖的学科范围,启动标准化的自动评测流程
- 等待评测任务运行结束,下载平台自动生成的详细学术能力评估报告
- 调取多份评测报告,完成不同模型之间的学术能力横向对比
定价
平台提供免费版与付费版两种使用方案,免费版支持用户选择最多3个学科的试题进行测试,可获取基础的得分报告,不支持数据导出和横向对比功能,适合个人研究者或学生做小范围测试使用。付费版分为学术研究授权与商业使用授权两类,学术研究授权价格为每年299美元,支持全学科测试、完整报告导出、匿名参与排行榜功能,适合高校及非盈利研究机构使用;商业使用授权价格为每年999美元,支持自定义试题上传、多次测试数据对比、专属技术支持,适合企业研发团队使用。
定价说明
以上信息整理自官网公示与站内档案核验,当前标注为「免费增值,部分功能付费」;实际价格与免费额度以官网最新公示为准。
适用边界
它不适合通用对话模型的性能评测,也无法用于测试模型的创意生成、代码编写等非学术场景的能力,仅聚焦于学术类任务的标准化评估。已知局限在于,试题库的学科覆盖虽达100余个,但部分小众前沿学科的试题数量较少,可能无法全面覆盖该类学科的学术能力验证需求。需要绕开的坑是,需确认待评测模型是否支持多模态输入,若模型仅支持文本输入,使用时需选择仅文本的测试模块,避免因模态不匹配导致评测结果无效。
适合谁用
- AI模型研发团队,开展自研模型学术能力摸底测试
- 高校AI研究人员,完成学术相关的模型对比实验
- AI行业评测机构,输出标准化的大模型学术评测报告
- 科技企业算法部门,验证模型迭代后的学术能力变化
优缺点
- 做得好的地方
- 覆盖超百个学科的标准化试题库,评测的学术维度覆盖范围广
- 统一多模态模型测试流程,不同类型模型的评测结果可横向对比
- 自动生成详细评估报告,省去人工统计答题数据的大量重复工作
- 注意点
- 仅聚焦学术维度评测,不覆盖非学术类的模型能力测试场景
- 仅支持web端操作,无本地离线部署的相关功能选项
常见问题
没有评测相关经验能快速上手吗
可以,平台预设了完整的标准化测试流程,无需用户自行搭建评测框架,跟着页面指引完成参数填写和学科选择即可启动任务,新手也能快速完成基础评测操作,遇到问题可查看官网帮助中心的操作指引。
平台的收费标准是怎样的
该平台采用免费增值的定价模式,基础评测功能可免费使用,部分高阶评测权限、大规模批量测试等增值服务需要付费,具体的权益划分与收费明细以官网公示的定价页面内容为准,用户可先体验免费功能再按需选择。
上传的模型相关数据会被泄露吗
平台会按照公示的隐私政策处理用户上传的模型相关数据,仅用于当前评测任务的运行,不会未经授权对外披露或挪作他用,用户可前往官网隐私政策页面查看完整的数据处理规则,确认符合自身安全要求后再上传数据。
能评测非学术类的模型对话能力吗
不能,平台的所有试题均为覆盖各学科的标准化学术类题目,仅针对模型的学术能力维度做评测,不包含日常对话、创意生成等非学术场景的测试项,这类非学术需求不适合用该平台完成。
可以替代所有商用大模型评测工具吗
不可以,该平台的核心优势集中在学术维度的多学科基准评测,对于工业场景落地性能、商业化适配性等非学术维度的评测覆盖不足,这类场景需要搭配其他对应方向的评测工具配合使用。
使用场景
AI模型研发团队会用它测试自研大模型的学术能力,比如验证模型在理工科基础学科上的解题准确率,产出的评估报告可用于调整模型的训练方向,明确模型在哪些学科板块存在能力短板,辅助优化模型的学术相关参数。高校人工智能研究人员会用它开展学术研究,对比不同多模态模型在同一学科测试中的表现,产出的对比数据可用于撰写研究论文的实证部分,支撑模型性能差异的分析结论。AI行业评测机构会用它进行第三方评测,产出的标准化报告可作为模型学术能力的公开参考依据,帮助行业用户了解不同模型的学术表现差异。
编辑点评
Humanity's Last Exam 针对AI模型学术能力评估的标准化需求,提供了多模态、多学科的评测方案,能为模型研发、学术研究、行业评测提供专业的参考依据,但其试题库的小众学科覆盖不足,且仅聚焦学术场景的评测,适用范围有明确限制。关于定价,官网采用免费增值模式,具体费用标准以官网公示为准;关于数据隐私,评测过程中产生的模型输出数据会按官网隐私政策处理,建议用户在使用前查阅官网帮助中心的详细说明,确认数据存储与使用规则。内容基于官网公开材料整理,功能与价格以官网为准。
数据与说明
本档案由 Toolifai 编辑部整理并持续核验,功能与定价信息以 lastexam.ai 官网公示为准;发现资料过期或有误,欢迎通过纠错通道反馈。
- 官网 lastexam.ai
- 编辑标准与核验方法收录 2026-06-14
- 收录证明核验记录与可嵌入的收录徽章
- 开发者认领Humanity's Last Exam 官方团队可认领并维护本页
- 资料纠错纠错后通常 1-2 个工作日内核验更新
大家对 Humanity's Last Exam 的点评
加载中…
近 7 日新增点评 0 条 · 浏览量 5