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
Beyond AIME
Beyond AIME is a difficult mathematical reasoning benchmark designed to test deeper reasoning chains and harder decomposition than standard AIME-style problem sets.
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 5
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 |
|---|---|---|---|---|---|
| Seed 2.1 Turbo | 0.88 | 未收录 | 未收录 | 2026-06-24 · model_announcement | LLM Stats |
| Seed 2.1 Pro | 0.87 | 未收录 | 未收录 | 2026-06-24 · model_announcement | LLM Stats |
| Sarvam-105B | 0.691 | 未收录 | 未收录 | 2026-03-06 · model_announcement | LLM Stats |
| Mistral Medium 3.5 | 0.669 | 未收录 | 未收录 | 2026-04-29 · model_announcement | LLM Stats |
| Sarvam-30B | 0.583 | 未收录 | 未收录 | 2026-03-06 · model_announcement | LLM Stats |