HLE-Diamond 分数随推理强度提升而显著提高，但成本也随之上升。Claude Opus 5.5 从低强度（42%）到最高强度（68%）提高了 26 分，单任务成本约为 35 倍；GPT-6 Astra 从低强度（45%）到最高强度（64%）提高了 19 分，成本为 11 倍。

在 HLE-Diamond 上，提高推理强度能大幅提升分数，但成本也随之上升：Claude Opus 5.5 从低强度的 42% 升至最高强度的 68%，提高 26 分，单任务成本约为 35 倍；GPT-6 Astra 从 45% 升至 64%，提高 19 分，成本为 11 倍。这一结果之所以重要，是因为榜单头条分数越来越反映投入了多少推理算力，而不仅仅是模型本身，因此对比时必须同时说明强度档位和成本。

• Artificial Analysis2026-10-30 02:09