人类最后的考试首次突破30分上交大开源方案碾压OpenAI
“人类最后的考试”首次突破30分，还是咱国内团队干的！
该测试集是出了名的超难，刚推出时无模型得分能超过10分。
直到最近，最高分也不过26.9，由Kimi-Research和Gemini Deep Research并列取得。
现在，上海交大联合深势科技团队突然发布了一项新研究，在“人类最后的考试”（HLE，Humanity’s Last Exam）上一举拿下32.1分，创下新纪录。
在这项研究中，团队推出工具增强推理智能体X-Master、多智能体工作流系统X-Masters。
划重点：还直接把这套方案给开源了。
网友们纷纷感叹现在AI竞赛太激烈，一天一个样。
另外值得一提的是，这项研究使用了DeepSeek-R1-0528作为驱动智能体的推理模型，由此也有网友表示：
“R1在函数调用上表现仍欠佳，而且在这项研究里甚至没有针对这一点进行微调。但即便如此，只要给它搭配合适的框架，它在HLE这个难度很高的测试中就能拿到32%的成绩。
“虽然大家可能会习惯性地称R1为‘最佳基础模型’，但我觉得这其实是给V4打下了基础。我敢肯定，V4一出来就会自带智能体功能。”
接下来，我们具体来看X-Master和X-Masters👇
