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 2025
All 30 problems from the 2025 American Invitational Mathematics Examination (AIME I and AIME II), testing olympiad-level mathematical reasoning with integer answers from 000-999. Used as an AI benchmark to evaluate large language models' ability to solve complex mathematical problems requiring multi-step logical deductions and structured symbolic reasoning.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 2025-02-12
- 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 115
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 |
|---|---|---|---|---|---|
| GPT-5.2 | 1.0 | 未收录 | 未收录 | 2025-12-11 · model_announcement | LLM Stats |
| GPT-5.2 Pro | 1.0 | 未收录 | 未收录 | 2025-12-11 · model_announcement | LLM Stats |
| Gemini 3 Pro | 1.0 | 未收录 | 未收录 | 2025-11-18 · model_announcement | LLM Stats |
| Kimi K2-Thinking-0905 | 1.0 | 未收录 | 未收录 | 2025-09-05 · model_announcement | LLM Stats |
| Grok-4 Heavy | 1.0 | 未收录 | 未收录 | 2025-07-09 · model_announcement | LLM Stats |
| Claude Opus 4.6 | 0.9979 | 未收录 | 未收录 | 2026-02-05 · model_announcement | LLM Stats |
| Gemini 3 Flash | 0.997 | 未收录 | 未收录 | 2025-12-17 · model_announcement | LLM Stats |
| LongCat-Flash-Thinking-2601 | 0.996 | 未收录 | 未收录 | 2026-01-14 · model_announcement | LLM Stats |
| GPT-5.1 High | 0.996 | 未收录 | 未收录 | 2025-11-12 · model_announcement | LLM Stats |
| Nemotron 3 Nano (30B A3B) | 0.992 | 未收录 | 未收录 | 2025-12-15 · model_announcement | LLM Stats |
| GPT OSS 20B High | 0.987 | 未收录 | 未收录 | 2025-08-05 · model_announcement | LLM Stats |
| GPT-5.1 Medium | 0.984 | 未收录 | 未收录 | 2025-11-12 · model_announcement | LLM Stats |
| Seed 2.0 Pro | 0.983 | 未收录 | 未收录 | 2026-02-14 · model_announcement | LLM Stats |
| Step-3.5-Flash | 0.973 | 未收录 | 未收录 | 2026-02-02 · model_announcement | LLM Stats |
| MAI-Thinking-1 | 0.97 | 未收录 | 未收录 | 2026-06-02 · model_announcement | LLM Stats |
| Sarvam-30B | 0.967 | 未收录 | 未收录 | 2026-03-06 · model_announcement | LLM Stats |
| Sarvam-105B | 0.967 | 未收录 | 未收录 | 2026-03-06 · model_announcement | LLM Stats |
| GPT-5.1 Codex High | 0.967 | 未收录 | 未收录 | 2025-11-12 · model_announcement | LLM Stats |
| Kimi K2.5 | 0.961 | 未收录 | 未收录 | 2026-01-27 · model_announcement | LLM Stats |
| DeepSeek-V3.2-Speciale | 0.96 | 未收录 | 未收录 | 2025-12-01 · model_announcement | LLM Stats |
| GLM-4.7 | 0.957 | 未收录 | 未收录 | 2025-12-22 · model_announcement | LLM Stats |
| GPT-5 High | 0.946 | 未收录 | 未收录 | 2025-08-07 · model_announcement | LLM Stats |
| GPT-5 | 0.946 | 未收录 | 未收录 | 2025-08-07 · model_announcement | LLM Stats |
| MiMo-V2-Flash | 0.941 | 未收录 | 未收录 | 2025-12-16 · model_announcement | LLM Stats |
| GPT-5.1 | 0.94 | 未收录 | 未收录 | 2025-11-13 · model_announcement | LLM Stats |
| GPT-5.1 Thinking | 0.94 | 未收录 | 未收录 | 2025-11-12 · model_announcement | LLM Stats |
| GPT-5.1 Instant | 0.94 | 未收录 | 未收录 | 2025-11-12 · model_announcement | LLM Stats |
| GLM-4.6 | 0.939 | 未收录 | 未收录 | 2025-09-30 · model_announcement | LLM Stats |
| Grok-3 | 0.933 | 未收录 | 未收录 | 2025-02-17 · model_announcement | LLM Stats |
| DeepSeek-V3.2 | 0.931 | 未收录 | 未收录 | 2025-12-01 · model_announcement | LLM Stats |
| DeepSeek-V3.2 (Thinking) | 0.931 | 未收录 | 未收录 | 2025-12-01 · model_announcement | LLM Stats |
| Seed 2.0 Lite | 0.93 | 未收录 | 未收录 | 2026-02-14 · model_announcement | LLM Stats |
| K-EXAONE-236B-A23B | 0.928 | 未收录 | 未收录 | 2025-12-31 · model_announcement | LLM Stats |
| o4-mini | 0.927 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |
| GPT OSS 120B High | 0.925 | 未收录 | 未收录 | 2025-08-05 · model_announcement | LLM Stats |
| Nova 2 Pro | 0.923 | 未收录 | 未收录 | 2025-12-02 · model_announcement | LLM Stats |
| Qwen3-235B-A22B-Thinking-2507 | 0.923 | 未收录 | 未收录 | 2025-07-25 · model_announcement | LLM Stats |
| Nova 2 Omni | 0.921 | 未收录 | 未收录 | 2025-12-02 · model_announcement | LLM Stats |
| Grok 4 Fast | 0.92 | 未收录 | 未收录 | 2025-08-28 · model_announcement | LLM Stats |
| Grok-4 | 0.917 | 未收录 | 未收录 | 2025-07-09 · model_announcement | LLM Stats |
| GLM-4.7-Flash | 0.916 | 未收录 | 未收录 | 2026-01-19 · model_announcement | LLM Stats |
| Mercury 2 | 0.911 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| GPT-5 mini | 0.911 | 未收录 | 未收录 | 2025-08-07 · model_announcement | LLM Stats |
| Nova 2 Lite | 0.91 | 未收录 | 未收录 | 2025-12-02 · model_announcement | LLM Stats |
| Grok-3 Mini | 0.908 | 未收录 | 未收录 | 2025-02-17 · model_announcement | LLM Stats |
| LongCat-Flash-Thinking | 0.906 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Nemotron 3 Super (120B A12B) | 0.9021 | 未收录 | 未收录 | 2026-03-11 · model_announcement | LLM Stats |
| Command A+ | 0.9 | 未收录 | 未收录 | 2026-05-20 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Thinking | 0.897 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| DeepSeek-V3.2-Exp | 0.893 | 未收录 | 未收录 | 2025-09-29 · model_announcement | LLM Stats |
| GPT-5 Medium | 0.889 | 未收录 | 未收录 | 2025-08-07 · model_announcement | LLM Stats |
| Gemini 2.5 Pro Preview 06-05 | 0.88 | 未收录 | 未收录 | 2025-06-05 · model_announcement | LLM Stats |
| Qwen3-Next-80B-A3B-Thinking | 0.878 | 未收录 | 未收录 | 2025-09-10 · model_announcement | LLM Stats |
| Step3-VL-10B | 0.877 | 未收录 | 未收录 | 2026-01-15 · model_announcement | LLM Stats |
| DeepSeek-R1-0528 | 0.875 | 未收录 | 未收录 | 2025-05-28 · model_announcement | LLM Stats |
| ERNIE 5.0 | 0.87 | 未收录 | 未收录 | 2026-01-22 · model_announcement | LLM Stats |
| Claude Sonnet 4.5 | 0.87 | 未收录 | 未收录 | 2025-09-29 · model_announcement | LLM Stats |
| o3 | 0.864 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |
| Mistral Medium 3.5 | 0.863 | 未收录 | 未收录 | 2026-04-29 · model_announcement | LLM Stats |
| GPT-5 nano | 0.852 | 未收录 | 未收录 | 2025-08-07 · model_announcement | LLM Stats |
| Ministral 3 (14B Reasoning 2512) | 0.85 | 未收录 | 未收录 | 2025-12-04 · model_announcement | LLM Stats |
| Mistral Small 4 | 0.838 | 未收录 | 未收录 | 2026-03-16 · model_announcement | LLM Stats |
| Qwen3 VL 32B Thinking | 0.837 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 30B A3B Thinking | 0.831 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Gemini 2.5 Pro | 0.83 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| Qwen3 Max | 0.816 | 未收录 | 未收录 | 2025-12-15 · model_announcement | LLM Stats |
| Qwen3 235B A22B | 0.815 | 未收录 | 未收录 | 2025-04-29 · model_announcement | LLM Stats |
| GPT-5.5 Instant | 0.812 | 未收录 | 未收录 | 2026-05-05 · model_announcement | LLM Stats |
| MiniMax M2.1 | 0.81 | 未收录 | 未收录 | 2025-12-23 · model_announcement | LLM Stats |
| Claude Haiku 4.5 | 0.807 | 未收录 | 未收录 | 2025-10-15 · model_announcement | LLM Stats |
| Qwen3 VL 8B Thinking | 0.803 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Ministral 3 (8B Reasoning 2512) | 0.787 | 未收录 | 未收录 | 2025-12-04 · model_announcement | LLM Stats |
| MiniCPM-SALA | 0.7833 | 未收录 | 未收录 | 2026-02-11 · model_announcement | LLM Stats |
| MiniMax M2 | 0.78 | 未收录 | 未收录 | 2025-10-27 · model_announcement | LLM Stats |
| Claude Opus 4.1 | 0.78 | 未收录 | 未收录 | 2025-08-05 · model_announcement | LLM Stats |
| Phi 4 Reasoning Plus | 0.78 | 未收录 | 未收录 | 2025-04-30 · model_announcement | LLM Stats |
| MiniMax M1 80K | 0.769 | 未收录 | 未收录 | 2025-06-16 · model_announcement | LLM Stats |
| Claude Opus 4 | 0.755 | 未收录 | 未收录 | 2025-05-22 · model_announcement | LLM Stats |
| Qwen3 VL 235B A22B Instruct | 0.747 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| MiniMax M1 40K | 0.746 | 未收录 | 未收录 | 2025-06-16 · model_announcement | LLM Stats |
| Qwen3 VL 4B Thinking | 0.745 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 32B | 0.729 | 未收录 | 未收录 | 2025-04-29 · model_announcement | LLM Stats |
| Llama 3.1 Nemotron Ultra 253B v1 | 0.725 | 未收录 | 未收录 | 2025-04-07 · model_announcement | LLM Stats |
| Min istral 3 (3B Reasoning 2512) | 0.721 | 未收录 | 未收录 | 2025-12-04 · model_announcement | LLM Stats |
| Nemotron Nano 9B v2 | 0.721 | 未收录 | 未收录 | 2025-08-18 · model_announcement | LLM Stats |
| Gemini 2.5 Flash | 0.72 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| Qwen3 30B A3B | 0.709 | 未收录 | 未收录 | 2025-04-29 · model_announcement | LLM Stats |
| Claude Sonnet 4 | 0.705 | 未收录 | 未收录 | 2025-05-22 · model_announcement | LLM Stats |
| Qwen3-235B-A22B-Instruct-2507 | 0.703 | 未收录 | 未收录 | 2025-07-22 · model_announcement | LLM Stats |
| Qwen3-Next-80B-A3B-Instruct | 0.695 | 未收录 | 未收录 | 2025-09-10 · model_announcement | LLM Stats |
| Qwen3 VL 30B A3B Instruct | 0.693 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Qwen3 VL 32B Instruct | 0.662 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Magistral Medium | 0.649 | 未收录 | 未收录 | 2025-06-10 · model_announcement | LLM Stats |
| LongCat-Flash-Lite | 0.6323 | 未收录 | 未收录 | 2026-02-05 · model_announcement | LLM Stats |
| Phi 4 Reasoning | 0.629 | 未收录 | 未收录 | 2025-04-30 · model_announcement | LLM Stats |
| Magistral Small 2506 | 0.6276 | 未收录 | 未收录 | 2025-06-10 · model_announcement | LLM Stats |
| LongCat-Flash-Chat | 0.6125 | 未收录 | 未收录 | 2025-08-29 · model_announcement | LLM Stats |
| Llama-3.3 Nemotron Super 49B v1 | 0.584 | 未收录 | 未收录 | 2025-03-18 · model_announcement | LLM Stats |
| Claude 3.7 Sonnet | 0.548 | 未收录 | 未收录 | 2025-02-24 · model_announcement | LLM Stats |
| LFM2.5-2.6B | 0.5187 | 未收录 | 未收录 | 2026-08-04 · model_announcement | LLM Stats |
| Gemini 2.5 Flash-Lite | 0.498 | 未收录 | 未收录 | 2025-06-17 · model_announcement | LLM Stats |
| DeepSeek-V3.1 | 0.498 | 未收录 | 未收录 | 2025-01-10 · model_announcement | LLM Stats |
| Kimi K2-Instruct-0905 | 0.495 | 未收录 | 未收录 | 2025-09-05 · model_announcement | LLM Stats |
| Kimi K2 Instruct | 0.495 | 未收录 | 未收录 | 2025-07-11 · model_announcement | LLM Stats |
| Llama 3.1 Nemotron Nano 8B V1 | 0.471 | 未收录 | 未收录 | 2025-03-18 · model_announcement | LLM Stats |
| Qwen3 VL 4B Instruct | 0.466 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| GPT-4.1 | 0.464 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| Qwen3 VL 8B Instruct | 0.459 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| GPT-5.1 Codex Mini | 0.421 | 未收录 | 未收录 | 2025-11-12 · model_announcement | LLM Stats |
| GPT-4.1 mini | 0.402 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| Gemini Diffusion | 0.233 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| Gemma 3n E4B Instructed | 0.116 | 未收录 | 未收录 | 2025-06-26 · model_announcement | LLM Stats |
| Gemma 3n E4B Instructed LiteRT Preview | 0.116 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |
| Gemma 3n E2B Instructed | 0.067 | 未收录 | 未收录 | 2025-06-26 · model_announcement | LLM Stats |
| Gemma 3n E2B Instructed LiteRT (Preview) | 0.067 | 未收录 | 未收录 | 2025-05-20 · model_announcement | LLM Stats |