BenchLeader

MathArena Apexのリーダーボード

2026年11月16日時点で、MathArena Apexの最高スコアは81.3%で、Claude Opus 4.8(Anthropic)が記録しています。次点はGPT-5.5の80.2%です。公表された結果があるのは47のモデル構成です(MathArena)。MathArena Apexは、最近のコンテストの問題のうち、当時どのモデルも解けなかったものを集めた最先端の問題セットです。MathArena Apex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)

  • Claude Opus 4.8がMathArena Apexの最高スコア81.3%を記録しています(MathArena、2026年11月16日)。
  • MathArena Apexの2位はGPT-5.5で、80.2%です(MathArena、2026年11月16日)。
  • MathArena Apex:最近の大会から選んだ最難関の問題。MathArena(MathArena)。
  • BenchLeaderでは47のモデル構成にMathArena Apexの公表結果があります(BenchLeader、2026年11月16日)。
  • MathArena ApexはBenchLeader Indexの数学カテゴリに反映されます(BenchLeaderの評価方法)。

最近の大会から選んだ最難関の問題。MathArena。

MathArenaは、これら47件の結果のうち36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
0.5
モデル
47
データ基準日
2026年11月16日

MIT — eth-sri/matharena.

どんなテストか

MathArena Apexは、最近のコンテストの問題のうち、当時どのモデルも解けなかったものを集めた最先端の問題セットです。

採点方法

解けた問題の割合で、複数回の実行の平均です。

注意点

その成り立ちからスコアは0付近から始まり、セットも小さいため、一般的な能力の順位付けではなく、ブレークスルーを示すシグナルになります。

47件中47件
#
1Claude Opus 4.8max81.3%61.1$4.59184k可能性あり
2GPT-5.5xhigh80.2%64.1$1.4247k可能性あり
3GPT-5.4 Proxhigh69.8%59.5$8.6547k可能性あり
4Kimi K3max65.6%60.2$1.1174k可能性あり
5Gemini 3.1 Prohigh60.9%60.4$0.41034k可能性あり
6GPT-5.4xhigh54.2%63.1$1.0368k可能性あり
7Claude Opus 4.7xhigh40.6%57.0$2.1084k可能性あり
8Claude Opus 4.6high34.5%62.5$2.3694k可能性あり
9Gemini 3.5 Flashhigh32.3%62.5$0.30033k可能性あり
10DeepSeek V4 Promax28.1%54.7$0.420120k可能性あり
11DeepSeek V4 Flashmax27.1%56.8$0.050180k可能性あり
12Gemini 3.6 Flash26.0%49.3$0.19026k可能性あり
13Kimi K2.6high24.0%–$0.32081k可能性あり
14Gemini 3 Pro23.4%60.0$0.28024k可能性あり
15GLM 5.2max19.8%58.9$0.18043k可能性あり
16Gemini 3 Flashhigh15.6%57.4$0.10035k可能性あり
17Step 3.7 Flashhigh14.6%–$0.075249k可能性あり
18Step 3.5 Flash13.5%56.3$0.045149k可能性あり
19GPT-5.2high13.5%55.8$1.0071k可能性あり
20GLM 5.111.5%55.4$0.27086k可能性あり
21GLM-510.9%54.9$0.25078k可能性あり
22DeepSeek V3.2 Speciale9.4%53.3$0.03173k可能性あり
23Kimi K2.5high8.8%–$0.18061k可能性あり
24Nemotron 3 Super7.8%44.0–101k可能性あり
25Grok 4.1 Fastthinking5.2%55.3$0.01326k可能性あり
26Grok 4 Fast R5.2%–$0.01123k可能性あり
27Qwen3 235B 2507thinking5.2%–$0.05243k–
28Qwen3.5-35B-A3B4.2%49.9$0.08566k可能性あり
29Grok 42.1%58.1$0.52034k–
30DeepSeek V3.2thinking2.1%56.7$0.01844k可能性あり
31Qwen3.5-27B2.1%52.0$0.10062k可能性あり
32Qwen3-4B-Instruct-2507thinking2.1%40.2$0.008028k–
33GPT 5 Agenthigh2.1%–$3.83376k–
34Claude Sonnet 4.5thinking1.6%52.3$0.38025k可能性あり
35Qed Nano1.6%––92k可能性あり
36GPT-5high1.0%58.2$0.46046k–
37GPT-5.1high1.0%57.5$0.55055k可能性あり
38GPT-5 minihigh1.0%54.6$0.07035k–
39GLM-4.51.0%51.6$0.07634k–
40DeepSeek R1 05281.0%49.1$0.08237k–
41gpt-oss-120bhigh1.0%45.3$0.02745k–
42Gemini 2.5 Pro0.5%55.2$0.31031k–
43DeepSeek V3.1thinking0.5%52.4$0.07333k可能性あり
44GLM-4.60.5%50.2$0.07032k可能性あり
45Qwen3 30B A3B 2507thinking0.5%44.6$0.009031k–
46Qwen3.5-9B0.5%40.4$0.009059k可能性あり
47Kimi K2 Thinkingthinking0.0%52.3$0.15058k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「MathArena Apex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_apex_2025

MathArena Apex:よくある質問

MathArena Apexは何を測るベンチマークですか?
MathArena Apexは、最近のコンテストの問題のうち、当時どのモデルも解けなかったものを集めた最先端の問題セットです。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。
MathArena Apexの最高スコアは?
2026年11月16日時点で、MathArena Apexの最高スコアは81.3%で、Claude Opus 4.8が記録しています。次点はGPT-5.5の80.2%です。スコアはMathArenaの公表値で、毎日読み直しています。
MathArena ApexでトップのAIモデルは?
2026年11月16日時点で、MathArena Apexの首位はClaude Opus 4.8で、スコアは81.3%です。続いてGPT-5.5(80.2%)です。
MathArena Apexの結果があるモデルはいくつですか?
BenchLeaderでは47のモデル構成にMathArena Apexの結果があり、すべてMathArenaから取得しています。
MathArena Apex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?
MathArena Apex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。
MathArena ApexはBenchLeader Indexに含まれますか?
はい。MathArena Apex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。