AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
LLM Stats
AIME 2024
American Invitational Mathematics Examination 2024, consisting of 30 challenging mathematical reasoning problems from AIME I and AIME II competitions. Each problem requires an integer answer between 0-999 and tests advanced mathematical reasoning across algebra, geometry, combinatorics, and number theory. Used as a benchmark for evaluating mathematical reasoning capabilities in large language models at Olympiad-level difficulty.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 未收录
- 采集日期
- 2026-08-17
- 模态
- text
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 53
按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Grok-3 Mini | 0.958 | 未收录 | 未收录 | 2025-02-17 · model_announcement | LLM Stats |
| o4-mini | 0.934 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |
| LongCat-Flash-Thinking | 0.933 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Grok-3 | 0.933 | 未收录 | 未收录 | 2025-02-17 · model_announcement | LLM Stats |
| Gemini 2.5 Pro | 0.92 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| o3 | 0.916 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |
| DeepSeek-R1-0528 | 0.914 | 未收录 | 未收录 | 2025-05-28 · model_announcement | LLM Stats |
| GLM-4.5 | 0.91 | 未收录 | 未收录 | 2025-07-28 · model_announcement | LLM Stats |
| Ministral 3 (14B Reasoning 2512) | 0.898 | 未收录 | 未收录 | 2025-12-04 · model_announcement | LLM Stats |
| GLM-4.5-Air | 0.894 | 未收录 | 未收录 | 2025-07-28 · model_announcement | LLM Stats |
| Gemini 2.5 Flash | 0.88 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| o3-mini | 0.873 | 未收录 | 未收录 | 2025-01-30 · model_announcement | LLM Stats |
| DeepSeek R1 Distill Llama 70B | 0.867 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| DeepSeek R1 Zero | 0.867 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| Ministral 3 (8B Reasoning 2512) | 0.86 | 未收录 | 未收录 | 2025-12-04 · model_announcement | LLM Stats |
| MiniMax M1 80K | 0.86 | 未收录 | 未收录 | 2025-06-16 · model_announcement | LLM Stats |
| o1-pro | 0.86 | 未收录 | 未收录 | 2024-12-17 · model_announcement | LLM Stats |
| Qwen3 235B A22B | 0.857 | 未收录 | 未收录 | 2025-04-29 · model_announcement | LLM Stats |
| MiniCPM-SALA | 0.8375 | 未收录 | 未收录 | 2026-02-11 · model_announcement | LLM Stats |
| MiniMax M1 40K | 0.833 | 未收录 | 未收录 | 2025-06-16 · model_announcement | LLM Stats |
| DeepSeek R1 Distill Qwen 7B | 0.833 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| DeepSeek R1 Distill Qwen 32B | 0.833 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| Qwen3 32B | 0.814 | 未收录 | 未收录 | 2025-04-29 · model_announcement | LLM Stats |
| Phi 4 Reasoning Plus | 0.813 | 未收录 | 未收录 | 2025-04-30 · model_announcement | LLM Stats |
| Granite 3.3 8B Base | 0.812 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |
| Granite 3.3 8B Instruct | 0.812 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |
| Qwen3 30B A3B | 0.804 | 未收录 | 未收录 | 2025-04-29 · model_announcement | LLM Stats |
| Claude 3.7 Sonnet | 0.8 | 未收录 | 未收录 | 2025-02-24 · model_announcement | LLM Stats |
| DeepSeek R1 Distill Qwen 14B | 0.8 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| DeepSeek R1 Distill Llama 8B | 0.8 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| QwQ-32B | 0.795 | 未收录 | 未收录 | 2025-03-05 · model_announcement | LLM Stats |
| Min istral 3 (3B Reasoning 2512) | 0.775 | 未收录 | 未收录 | 2025-12-04 · model_announcement | LLM Stats |
| Kimi-k1.5 | 0.775 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| Phi 4 Reasoning | 0.753 | 未收录 | 未收录 | 2025-04-30 · model_announcement | LLM Stats |
| o1 | 0.743 | 未收录 | 未收录 | 2024-12-17 · model_announcement | LLM Stats |
| Magistral Medium | 0.736 | 未收录 | 未收录 | 2025-06-10 · model_announcement | LLM Stats |
| Gemini 2.0 Flash Thinking | 0.733 | 未收录 | 未收录 | 2025-01-21 · model_announcement | LLM Stats |
| LongCat-Flash-Lite | 0.7219 | 未收录 | 未收录 | 2026-02-05 · model_announcement | LLM Stats |
| Kimi K2 0905 | 0.72 | 未收录 | 未收录 | 2025-09-05 · model_announcement | LLM Stats |
| Magistral Small 2506 | 0.7068 | 未收录 | 未收录 | 2025-06-10 · model_announcement | LLM Stats |
| Kimi K2-Instruct-0905 | 0.696 | 未收录 | 未收录 | 2025-09-05 · model_announcement | LLM Stats |
| Kimi K2 Instruct | 0.696 | 未收录 | 未收录 | 2025-07-11 · model_announcement | LLM Stats |
| DeepSeek-V3.1 | 0.663 | 未收录 | 未收录 | 2025-01-10 · model_announcement | LLM Stats |
| DeepSeek-V3 0324 | 0.594 | 未收录 | 未收录 | 2025-03-25 · model_announcement | LLM Stats |
| DeepSeek R1 Distill Qwen 1.5B | 0.527 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| QwQ-32B-Preview | 0.5 | 未收录 | 未收录 | 2024-11-28 · model_announcement | LLM Stats |
| GPT-4.1 mini | 0.496 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| GPT-4.1 | 0.481 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| o1-preview | 0.42 | 未收录 | 未收录 | 2024-09-12 · model_announcement | LLM Stats |
| DeepSeek-V3 | 0.392 | 未收录 | 未收录 | 2024-12-25 · model_announcement | LLM Stats |
| GPT-4.5 | 0.367 | 未收录 | 未收录 | 2025-02-27 · model_announcement | LLM Stats |
| GPT-4.1 nano | 0.294 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| GPT-4o | 0.131 | 未收录 | 未收录 | 2024-08-06 · model_announcement | LLM Stats |