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。
- 1Claude Opus 4.8 (max)81.3%
- 2GPT-5.5 (xhigh)80.2%
- 3GPT-5.4 Pro (xhigh)69.8%
- 4Kimi K3 (max)65.6%
- 5Gemini 3.1 Pro (high)60.9%
- 6GPT-5.4 (xhigh)54.2%
- 7Claude Opus 4.7 (xhigh)40.6%
- 8Claude Opus 4.6 (high)34.5%
- 9Gemini 3.5 Flash (high)32.3%
- 10DeepSeek V4 Pro (max)28.1%
- 11DeepSeek V4 Flash (max)27.1%
- 12Gemini 3.6 Flash26.0%
- 13Kimi K2.6 (high)24.0%
- 14Gemini 3 Pro23.4%
- 15GLM 5.2 (max)19.8%
47件中47件
| # | ||||||
|---|---|---|---|---|---|---|
| 1 | 81.3% | 61.1 | $4.59 | 184k | 可能性あり | |
| 2 | 80.2% | 64.1 | $1.42 | 47k | 可能性あり | |
| 3 | 69.8% | 59.5 | $8.65 | 47k | 可能性あり | |
| 4 | 65.6% | 60.2 | $1.11 | 74k | 可能性あり | |
| 5 | 60.9% | 60.4 | $0.410 | 34k | 可能性あり | |
| 6 | 54.2% | 63.1 | $1.03 | 68k | 可能性あり | |
| 7 | 40.6% | 57.0 | $2.10 | 84k | 可能性あり | |
| 8 | 34.5% | 62.5 | $2.36 | 94k | 可能性あり | |
| 9 | 32.3% | 62.5 | $0.300 | 33k | 可能性あり | |
| 10 | 28.1% | 54.7 | $0.420 | 120k | 可能性あり | |
| 11 | 27.1% | 56.8 | $0.050 | 180k | 可能性あり | |
| 12 | 26.0% | 49.3 | $0.190 | 26k | 可能性あり | |
| 13 | 24.0% | – | $0.320 | 81k | 可能性あり | |
| 14 | 23.4% | 60.0 | $0.280 | 24k | 可能性あり | |
| 15 | 19.8% | 58.9 | $0.180 | 43k | 可能性あり | |
| 16 | 15.6% | 57.4 | $0.100 | 35k | 可能性あり | |
| 17 | 14.6% | – | $0.075 | 249k | 可能性あり | |
| 18 | 13.5% | 56.3 | $0.045 | 149k | 可能性あり | |
| 19 | 13.5% | 55.8 | $1.00 | 71k | 可能性あり | |
| 20 | 11.5% | 55.4 | $0.270 | 86k | 可能性あり | |
| 21 | 10.9% | 54.9 | $0.250 | 78k | 可能性あり | |
| 22 | 9.4% | 53.3 | $0.031 | 73k | 可能性あり | |
| 23 | 8.8% | – | $0.180 | 61k | 可能性あり | |
| 24 | 7.8% | 44.0 | – | 101k | 可能性あり | |
| 25 | 5.2% | 55.3 | $0.013 | 26k | 可能性あり | |
| 26 | 5.2% | – | $0.011 | 23k | 可能性あり | |
| 27 | 5.2% | – | $0.052 | 43k | – | |
| 28 | 4.2% | 49.9 | $0.085 | 66k | 可能性あり | |
| 29 | 2.1% | 58.1 | $0.520 | 34k | – | |
| 30 | 2.1% | 56.7 | $0.018 | 44k | 可能性あり | |
| 31 | 2.1% | 52.0 | $0.100 | 62k | 可能性あり | |
| 32 | 2.1% | 40.2 | $0.0080 | 28k | – | |
| 33 | 2.1% | – | $3.83 | 376k | – | |
| 34 | 1.6% | 52.3 | $0.380 | 25k | 可能性あり | |
| 35 | Qed Nano | 1.6% | – | – | 92k | 可能性あり |
| 36 | 1.0% | 58.2 | $0.460 | 46k | – | |
| 37 | 1.0% | 57.5 | $0.550 | 55k | 可能性あり | |
| 38 | 1.0% | 54.6 | $0.070 | 35k | – | |
| 39 | 1.0% | 51.6 | $0.076 | 34k | – | |
| 40 | 1.0% | 49.1 | $0.082 | 37k | – | |
| 41 | 1.0% | 45.3 | $0.027 | 45k | – | |
| 42 | 0.5% | 55.2 | $0.310 | 31k | – | |
| 43 | 0.5% | 52.4 | $0.073 | 33k | 可能性あり | |
| 44 | 0.5% | 50.2 | $0.070 | 32k | 可能性あり | |
| 45 | 0.5% | 44.6 | $0.0090 | 31k | – | |
| 46 | 0.5% | 40.4 | $0.0090 | 59k | 可能性あり | |
| 47 | 0.0% | 52.3 | $0.150 | 58k | 可能性あり |
関連するベンチマーク
MathArena Apexでの注目のモデル比較
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。