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
MATH-500
MATH-500 is a subset of the MATH dataset containing 500 challenging competition mathematics problems from AMC 10, AMC 12, AIME, and other mathematics competitions. Each problem includes full step-by-step solutions and spans multiple difficulty levels across seven mathematical subjects including Prealgebra, Algebra, Number Theory, Counting and Probability, Geometry, Intermediate Algebra, and Precalculus.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- OpenAI
- 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 32
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 |
|---|---|---|---|---|---|
| LongCat-Flash-Thinking | 0.992 | 未收录 | 未收录 | 2025-09-22 · model_announcement | LLM Stats |
| Sarvam-105B | 0.986 | 未收录 | 未收录 | 2026-03-06 · model_announcement | LLM Stats |
| GLM-4.5 | 0.982 | 未收录 | 未收录 | 2025-07-28 · model_announcement | LLM Stats |
| GLM-4.5-Air | 0.981 | 未收录 | 未收录 | 2025-07-28 · model_announcement | LLM Stats |
| Nemotron Nano 9B v2 | 0.978 | 未收录 | 未收录 | 2025-08-18 · model_announcement | LLM Stats |
| Kimi K2-Instruct-0905 | 0.974 | 未收录 | 未收录 | 2025-09-05 · model_announcement | LLM Stats |
| Kimi K2 Instruct | 0.974 | 未收录 | 未收录 | 2025-07-11 · model_announcement | LLM Stats |
| Sarvam-30B | 0.97 | 未收录 | 未收录 | 2026-03-06 · model_announcement | LLM Stats |
| Llama 3.1 Nemotron Ultra 253B v1 | 0.97 | 未收录 | 未收录 | 2025-04-07 · model_announcement | LLM Stats |
| LongCat-Flash-Lite | 0.968 | 未收录 | 未收录 | 2026-02-05 · model_announcement | LLM Stats |
| MiniMax M1 80K | 0.968 | 未收录 | 未收录 | 2025-06-16 · model_announcement | LLM Stats |
| Llama-3.3 Nemotron Super 49B v1 | 0.966 | 未收录 | 未收录 | 2025-03-18 · model_announcement | LLM Stats |
| LongCat-Flash-Chat | 0.964 | 未收录 | 未收录 | 2025-08-29 · model_announcement | LLM Stats |
| Claude 3.7 Sonnet | 0.962 | 未收录 | 未收录 | 2025-02-24 · model_announcement | LLM Stats |
| Kimi-k1.5 | 0.962 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| MiniMax M1 40K | 0.96 | 未收录 | 未收录 | 2025-06-16 · model_announcement | LLM Stats |
| DeepSeek R1 Zero | 0.959 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| Llama 3.1 Nemotron Nano 8B V1 | 0.954 | 未收录 | 未收录 | 2025-03-18 · model_announcement | LLM Stats |
| Phi 4 Mini Reasoning | 0.946 | 未收录 | 未收录 | 2025-04-30 · model_announcement | LLM Stats |
| DeepSeek R1 Distill Llama 70B | 0.945 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| DeepSeek R1 Distill Qwen 32B | 0.943 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| DeepSeek-V3 0324 | 0.94 | 未收录 | 未收录 | 2025-03-25 · model_announcement | LLM Stats |
| DeepSeek R1 Distill Qwen 14B | 0.939 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| DeepSeek R1 Distill Qwen 7B | 0.928 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| QwQ-32B | 0.906 | 未收录 | 未收录 | 2025-03-05 · model_announcement | LLM Stats |
| QwQ-32B-Preview | 0.906 | 未收录 | 未收录 | 2024-11-28 · model_announcement | LLM Stats |
| DeepSeek-V3 | 0.902 | 未收录 | 未收录 | 2024-12-25 · model_announcement | LLM Stats |
| o1-mini | 0.9 | 未收录 | 未收录 | 2024-09-12 · model_announcement | LLM Stats |
| DeepSeek R1 Distill Llama 8B | 0.891 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| DeepSeek R1 Distill Qwen 1.5B | 0.839 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| Granite 3.3 8B Instruct | 0.6902 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |
| Granite 3.3 8B Base | 0.6902 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |