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
MathVista
MathVista evaluates mathematical reasoning of foundation models in visual contexts. It consists of 6,141 examples derived from 28 existing multimodal datasets and 3 newly created datasets (IQTest, FunctionQA, and PaperQA), combining challenges from diverse mathematical and visual tasks to assess models' ability to understand complex figures and perform rigorous reasoning.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- University of California, Los Angeles
- 评测发布日期
- 2023-10-03
- 采集日期
- 2026-08-17
- 模态
- multimodal
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 39
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 Pro | 0.907 | 未收录 | 未收录 | 2026-06-24 · model_announcement | LLM Stats |
| Seed 2.1 Turbo | 0.905 | 未收录 | 未收录 | 2026-06-24 · model_announcement | LLM Stats |
| o3 | 0.868 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |
| o4-mini | 0.843 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |
| Step3-VL-10B | 0.84 | 未收录 | 未收录 | 2026-01-15 · model_announcement | LLM Stats |
| Command A+ | 0.806 | 未收录 | 未收录 | 2026-05-20 · model_announcement | LLM Stats |
| Kimi-k1.5 | 0.749 | 未收录 | 未收录 | 2025-01-20 · model_announcement | LLM Stats |
| Llama 4 Maverick | 0.737 | 未收录 | 未收录 | 2025-04-05 · model_announcement | LLM Stats |
| GPT-4.1 mini | 0.731 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| GPT-4.5 | 0.723 | 未收录 | 未收录 | 2025-02-27 · model_announcement | LLM Stats |
| GPT-4.1 | 0.722 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| o1 | 0.718 | 未收录 | 未收录 | 2024-12-17 · model_announcement | LLM Stats |
| QvQ-72B-Preview | 0.714 | 未收录 | 未收录 | 2024-12-25 · model_announcement | LLM Stats |
| Llama 4 Scout | 0.707 | 未收录 | 未收录 | 2025-04-05 · model_announcement | LLM Stats |
| Pixtral Large | 0.694 | 未收录 | 未收录 | 2024-11-18 · model_announcement | LLM Stats |
| Grok-2 | 0.69 | 未收录 | 未收录 | 2024-08-13 · model_announcement | LLM Stats |
| Grok-2 mini | 0.681 | 未收录 | 未收录 | 2024-08-13 · model_announcement | LLM Stats |
| Gemini 1.5 Pro | 0.681 | 未收录 | 未收录 | 2024-05-01 · model_announcement | LLM Stats |
| Qwen2.5-Omni-7B | 0.679 | 未收录 | 未收录 | 2025-03-27 · model_announcement | LLM Stats |
| Claude 3.5 Sonnet | 0.677 | 未收录 | 未收录 | 2024-10-22 · model_announcement | LLM Stats |
| Mistral Small 3.2 24B Instruct | 0.6709 | 未收录 | 未收录 | 2025-06-20 · model_announcement | LLM Stats |
| Gemini 1.5 Flash | 0.658 | 未收录 | 未收录 | 2024-05-01 · model_announcement | LLM Stats |
| GPT-4o | 0.638 | 未收录 | 未收录 | 2024-05-13 · model_announcement | LLM Stats |
| DeepSeek VL2 | 0.628 | 未收录 | 未收录 | 2024-12-13 · model_announcement | LLM Stats |
| Phi-4-multimodal-instruct | 0.624 | 未收录 | 未收录 | 2025-02-01 · model_announcement | LLM Stats |
| GPT-4o | 0.614 | 未收录 | 未收录 | 2024-08-06 · model_announcement | LLM Stats |
| DeepSeek VL2 Small | 0.607 | 未收录 | 未收录 | 2024-12-13 · model_announcement | LLM Stats |
| Pixtral-12B | 0.58 | 未收录 | 未收录 | 2024-09-17 · model_announcement | LLM Stats |
| Llama 3.2 90B Instruct | 0.573 | 未收录 | 未收录 | 2024-09-25 · model_announcement | LLM Stats |
| GPT-4o mini | 0.567 | 未收录 | 未收录 | 2024-07-18 · model_announcement | LLM Stats |
| GPT-4.1 nano | 0.562 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| Gemini 1.5 Flash 8B | 0.547 | 未收录 | 未收录 | 2024-03-15 · model_announcement | LLM Stats |
| DeepSeek VL2 Tiny | 0.536 | 未收录 | 未收录 | 2024-12-13 · model_announcement | LLM Stats |
| Grok-1.5V | 0.528 | 未收录 | 未收录 | 2024-04-12 · model_announcement | LLM Stats |
| Grok-1.5 | 0.528 | 未收录 | 未收录 | 2024-03-28 · model_announcement | LLM Stats |
| Llama 3.2 11B Instruct | 0.515 | 未收录 | 未收录 | 2024-09-25 · model_announcement | LLM Stats |
| Gemini 1.0 Pro | 0.466 | 未收录 | 未收录 | 2024-02-15 · model_announcement | LLM Stats |
| Phi-3.5-vision-instruct | 0.439 | 未收录 | 未收录 | 2024-08-23 · model_announcement | LLM Stats |
| GPT-3.5 Turbo | 0.0 | 未收录 | 未收录 | 2023-03-21 · model_announcement | LLM Stats |