MathVision

Prompt-format sensitive: vendors report boxed and unboxed variants and sometimes take the higher of the two.

评测信息与证据

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。

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
Gemma 4 (31B)	85.6	percent	as reported	2026-03-11 · document_publication	Gemma 4 (31B)
Kimi K3	97.8	percent	reasoning=max, with Python	2026-06-13 · document_publication	Kimi K3
Kimi K3	94.3	percent	reasoning=max, without tools	2026-06-13 · document_publication	Kimi K3
Qwen3.5-397B-A17B	88.6	percent	thinking (temp 0.6, top_p 0.95, top_k 20), fixed boxed prompt	2026-02-16 · document_publication	Qwen3.5-397B-A17B