ArXivMathのリーダーボード
2026年11月16日時点で、ArXivMathの最高スコアは94.3%で、Gemini 4 Carbon(Google)が記録しています。次点はGPT-6.1 Solの92.8%です。公表された結果があるのは8のモデル構成です(MathArena)。直近数か月にarXivで公開された論文から作った、研究レベルの最終解答型の問題。毎月更新され、Overallの表は現行の月次セットをまとめたもの。MathArena。参考表示です(対象モデルがまだ少ないため)。ArXivMathは参考として掲載しており、BenchLeader Indexには含まれません。
要点(2026年11月16日時点)
- Gemini 4 CarbonがArXivMathの最高スコア94.3%を記録しています(MathArena、2026年11月16日)。
- ArXivMathの2位はGPT-6.1 Solで、92.8%です(MathArena、2026年11月16日)。
- ArXivMath:直近数か月にarXivで公開された論文から作った、研究レベルの最終解答型の問題。毎月更新され、Overallの表は現行の月次セットをまとめたもの。MathArena。参考表示です(対象モデルがまだ少ないため)(MathArena)。
- BenchLeaderでは8のモデル構成にArXivMathの公表結果があります(BenchLeader、2026年11月16日)。
- ArXivMathはBenchLeader Indexには反映されず、参考として掲載しています(BenchLeaderの評価方法)。
直近数か月にarXivで公開された論文から作った、研究レベルの最終解答型の問題。毎月更新され、Overallの表は現行の月次セットをまとめたもの。MathArena。参考表示です(対象モデルがまだ少ないため)。
- 公開元
- MathArena
- カテゴリ
- 数学
- Indexでの重み
- 参考のみ
- モデル
- 8
- データ基準日
- 2026年11月16日
MIT — eth-sri/matharena.
- 1Gemini 4 Carbon (high)94.3%
- 2GPT-6.1 Sol (max)92.8%
- 3Gemini 4 Argon (high)84.4%
- 4Claude Opus 5.5 (high)82.6%
- 5Kimi K3.1 Pro (max)58.3%
- 6DeepSeek V4.1 Flash 1017 (max)42.5%
- 7Inkling 2 Small31.9%
- 8Muse Spark Open (xhigh)27.0%
8件中8件
| # | |||||
|---|---|---|---|---|---|
| 1 | 94.3% | 68.9 | $5.08 | 203k | |
| 2 | 92.8% | 66.6 | $0.960 | 64k | |
| 3 | 84.4% | 65.3 | $3.74 | 182k | |
| 4 | 82.6% | 66.0 | $1.93 | 52k | |
| 5 | 58.3% | 59.9 | $2.94 | 103k | |
| 6 | 42.5% | 57.7 | $0.330 | 179k | |
| 7 | 31.9% | 57.9 | $0.600 | 216k | |
| 8 | 27.0% | 53.5 | $1.03 | 86k |
関連するベンチマーク
ArXivMathでの注目のモデル比較
引用表記:BenchLeader「ArXivMath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_arxivmath
ArXivMath:よくある質問
- ArXivMathは何を測るベンチマークですか?
- 直近数か月にarXivで公開された論文から作った、研究レベルの最終解答型の問題。毎月更新され、Overallの表は現行の月次セットをまとめたもの。MathArena。参考表示です(対象モデルがまだ少ないため)。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。
- ArXivMathの最高スコアは?
- 2026年11月16日時点で、ArXivMathの最高スコアは94.3%で、Gemini 4 Carbonが記録しています。次点はGPT-6.1 Solの92.8%です。スコアはMathArenaの公表値で、毎日読み直しています。
- ArXivMathでトップのAIモデルは?
- 2026年11月16日時点で、ArXivMathの首位はGemini 4 Carbonで、スコアは94.3%です。続いてGPT-6.1 Sol(92.8%)です。
- ArXivMathの結果があるモデルはいくつですか?
- BenchLeaderでは8のモデル構成にArXivMathの結果があり、すべてMathArenaから取得しています。
- ArXivMath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?
- ArXivMath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。
- ArXivMathはBenchLeader Indexに含まれますか?
- いいえ。ArXivMathは参考として掲載していますが、総合スコアには含めていません。