BenchLeader

AIME 2026のリーダーボード

2026年11月16日時点で、AIME 2026の最高スコアは100.0%で、GPT-5.5とClaude Opus 4.8が並んでいます。次点はGPT-5.4の99.2%です。公表された結果があるのは31のモデル構成です(MathArena)。2026年のAIME IとIIの問題を、試験から数日以内にMathArenaが評価したもので、どのモデルもこれを学習できなかったタイミングです。AIME 2026はBenchLeader Indexの数学スコアに反映されます。

要点(2026年11月16日時点)

  • GPT-5.5とClaude Opus 4.8がAIME 2026の最高スコア100.0%で並んでいます(MathArena、2026年11月16日)。
  • AIME 2026:2026年のAIME IとII。MathArenaが公開直後に評価(MathArena)。
  • BenchLeaderでは31のモデル構成にAIME 2026の公表結果があります(BenchLeader、2026年11月16日)。
  • AIME 2026はBenchLeader Indexの数学カテゴリに反映されます(BenchLeaderの評価方法)。

2026年のAIME IとII。MathArenaが公開直後に評価。

MathArenaは、これら31件の結果のうち21件にデータ汚染の可能性があるとしています。問題の公開後にモデルが評価されたため、問題がすでに学習データに含まれているおそれがあります。これらのスコアも下の表に載せており、ほかの結果と同じ重みでIndexに反映されます。

公開元
MathArena
カテゴリ
数学
Indexでの重み
1.0
モデル
31
データ基準日
2026年11月16日

MIT — eth-sri/matharena.

どんなテストか

2026年のAIME IとIIの問題を、試験から数日以内にMathArenaが評価したもので、どのモデルもこれを学習できなかったタイミングです。

採点方法

30問の正答率で、複数回の実行の平均です。

注意点

30問なので、1問で3ポイント以上の価値があります。実行ごとのばらつきも公表されており、数ポイントに及ぶことがあります。

31件中31件
#
1GPT-5.5xhigh100.0%64.1$0.1605k可能性あり
2Claude Opus 4.8max100.0%61.1$0.54021k可能性あり
3GPT-5.4xhigh99.2%63.1$0.16011k可能性あり
4Gemini 3.1 Prohigh98.3%60.4$0.17014k可能性あり
5GPT-5.2high98.3%55.8$0.1208k–
6Claude Opus 4.6high96.7%62.5$0.33013k–
7Kimi K3max96.7%60.2$0.1107k可能性あり
8Gemini 3 Flashhigh96.7%57.4$0.06221k–
9Step 3.5 Flash96.7%56.3$0.01342k–
10GLM-596.7%54.9$0.07524k可能性あり
11DeepSeek V4 Promax96.7%54.7$0.08224k可能性あり
12Gemini 3.6 Flash96.7%49.3$0.08211k可能性あり
13Claude Opus 4.7xhigh95.8%57.0$0.27011k可能性あり
14DeepSeek V4 Flashmax95.8%56.8$0.009034k可能性あり
15GLM 5.195.8%55.4$0.08527k可能性あり
16Kimi K2.5high95.8%–$0.06923k–
17Kimi K2.6high95.8%–$0.09023k可能性あり
18Gemini 3.5 Flashhigh95.0%62.5$0.13014k可能性あり
19Step 3.7 Flashhigh95.0%–$0.01550k可能性あり
20DeepSeek V3.2thinking94.2%56.7$0.006015k–
21Grok 4.1 Fastthinking94.2%55.3$0.005010k–
22Qwen3.5 397B A17B94.2%51.3$0.07521k可能性あり
23Qwen3.5-35B-A3B93.3%49.9$0.04132k可能性あり
24Qwen3.5-9B92.5%40.4$0.005031k可能性あり
25Gemini 3 Pro91.7%60.0$0.18015k–
26Qwen3.5-27B91.7%52.0$0.04729k可能性あり
27Nemotron 3 Super91.7%44.0–24k可能性あり
28GLM 5.2max90.0%58.9$0.07618k可能性あり
29Qwen3 30B A3B 2507thinking88.3%44.6$0.005018k–
30Qwen3-4B-Instruct-2507thinking82.5%40.2$0.006021k–
31Qed Nano82.5%––35k可能性あり

数学のベンチマークをもっと見る · LLMベンチマーク一覧

引用表記:BenchLeader「AIME 2026のリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/matharena_aime_2026

AIME 2026:よくある質問

AIME 2026は何を測るベンチマークですか?
2026年のAIME IとIIの問題を、試験から数日以内にMathArenaが評価したもので、どのモデルもこれを学習できなかったタイミングです。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
AIME 2026の最高スコアは?
2026年11月16日時点で、AIME 2026の最高スコアは100.0%で、GPT-5.5とClaude Opus 4.8が並んでいます。次点はGPT-5.4の99.2%です。スコアはMathArenaの公表値で、毎日読み直しています。
AIME 2026でトップのAIモデルは?
2026年11月16日時点で、GPT-5.5とClaude Opus 4.8が100.0%でAIME 2026の首位に並んでいます。
AIME 2026の結果があるモデルはいくつですか?
BenchLeaderでは31のモデル構成にAIME 2026の結果があり、すべてMathArenaから取得しています。
AIME 2026を運営しているのは誰で、どのくらいの頻度で更新されますか?
AIME 2026はMathArenaが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
AIME 2026はBenchLeader Indexに含まれますか?
はい。AIME 2026はBenchLeader Indexの数学カテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。