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。
- 1GPT-5.5 (xhigh)100.0%
- 2Claude Opus 4.8 (max)100.0%
- 3GPT-5.4 (xhigh)99.2%
- 4Gemini 3.1 Pro (high)98.3%
- 5GPT-5.2 (high)98.3%
- 6Claude Opus 4.6 (high)96.7%
- 7Kimi K3 (max)96.7%
- 8Gemini 3 Flash (high)96.7%
- 9Step 3.5 Flash96.7%
- 10GLM-596.7%
- 11DeepSeek V4 Pro (max)96.7%
- 12Gemini 3.6 Flash96.7%
- 13Claude Opus 4.7 (xhigh)95.8%
- 14DeepSeek V4 Flash (max)95.8%
- 15GLM 5.195.8%
31件中31件
| # | ||||||
|---|---|---|---|---|---|---|
| 1 | 100.0% | 64.1 | $0.160 | 5k | 可能性あり | |
| 2 | 100.0% | 61.1 | $0.540 | 21k | 可能性あり | |
| 3 | 99.2% | 63.1 | $0.160 | 11k | 可能性あり | |
| 4 | 98.3% | 60.4 | $0.170 | 14k | 可能性あり | |
| 5 | 98.3% | 55.8 | $0.120 | 8k | – | |
| 6 | 96.7% | 62.5 | $0.330 | 13k | – | |
| 7 | 96.7% | 60.2 | $0.110 | 7k | 可能性あり | |
| 8 | 96.7% | 57.4 | $0.062 | 21k | – | |
| 9 | 96.7% | 56.3 | $0.013 | 42k | – | |
| 10 | 96.7% | 54.9 | $0.075 | 24k | 可能性あり | |
| 11 | 96.7% | 54.7 | $0.082 | 24k | 可能性あり | |
| 12 | 96.7% | 49.3 | $0.082 | 11k | 可能性あり | |
| 13 | 95.8% | 57.0 | $0.270 | 11k | 可能性あり | |
| 14 | 95.8% | 56.8 | $0.0090 | 34k | 可能性あり | |
| 15 | 95.8% | 55.4 | $0.085 | 27k | 可能性あり | |
| 16 | 95.8% | – | $0.069 | 23k | – | |
| 17 | 95.8% | – | $0.090 | 23k | 可能性あり | |
| 18 | 95.0% | 62.5 | $0.130 | 14k | 可能性あり | |
| 19 | 95.0% | – | $0.015 | 50k | 可能性あり | |
| 20 | 94.2% | 56.7 | $0.0060 | 15k | – | |
| 21 | 94.2% | 55.3 | $0.0050 | 10k | – | |
| 22 | 94.2% | 51.3 | $0.075 | 21k | 可能性あり | |
| 23 | 93.3% | 49.9 | $0.041 | 32k | 可能性あり | |
| 24 | 92.5% | 40.4 | $0.0050 | 31k | 可能性あり | |
| 25 | 91.7% | 60.0 | $0.180 | 15k | – | |
| 26 | 91.7% | 52.0 | $0.047 | 29k | 可能性あり | |
| 27 | 91.7% | 44.0 | – | 24k | 可能性あり | |
| 28 | 90.0% | 58.9 | $0.076 | 18k | 可能性あり | |
| 29 | 88.3% | 44.6 | $0.0050 | 18k | – | |
| 30 | 82.5% | 40.2 | $0.0060 | 21k | – | |
| 31 | Qed Nano | 82.5% | – | – | 35k | 可能性あり |
関連するベンチマーク
AIME 2026での注目のモデル比較
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。