BenchLeader

OTIS Mock AIMEのリーダーボード

2026年11月16日時点で、OTIS Mock AIMEの最高スコアは100.0%で、Gemini 4 Carbon、Claude Opus 5.5、GPT-6 Astra、Claude Fable 5.1、GPT-6.1 Solほか10モデルが並んでいます。公表された結果があるのは289のモデル構成です(Epoch AI Benchmarking Hub、結果の日付は2026年11月10日)。Evan ChenのOTISプログラムが2024年と2025年のシーズン向けに作成した模擬AIMEです。American Invitational Mathematics Examination形式の15問のコンテストセットで、答えはすべて0から999までの整数です。OTIS Mock AIME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)

  • Gemini 4 Carbon、Claude Opus 5.5、GPT-6 Astra、Claude Fable 5.1、GPT-6.1 Solほか10モデルがOTIS Mock AIMEの最高スコア100.0%で並んでいます(Epoch AI Benchmarking Hub、2026年11月16日)。
  • OTIS Mock AIME:2024〜2025年の模擬AIME(数学コンテスト)の問題。Epoch AIが実施(Epoch AI Benchmarking Hub)。
  • BenchLeaderでは289のモデル構成にOTIS Mock AIMEの公表結果があります(BenchLeader、2026年11月16日)。
  • OTIS Mock AIMEはBenchLeader Indexの数学カテゴリに反映されます(BenchLeaderの評価方法)。

2024〜2025年の模擬AIME(数学コンテスト)の問題。Epoch AIが実施。

公開元
Epoch AI Benchmarking Hub
カテゴリ
数学
Indexでの重み
0.5
モデル
289
データ基準日
2026年11月16日
最新の結果
2026年11月10日

CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.

どんなテストか

Evan ChenのOTISプログラムが2024年と2025年のシーズン向けに作成した模擬AIMEです。American Invitational Mathematics Examination形式の15問のコンテストセットで、答えはすべて0から999までの整数です。

採点方法

全セットを通じた正答率で、Epoch AIが固定のプロンプトを使い、1問につき複数回試行して実行しています。

注意点

人間向けに作られた問題ですが公開されているため、後発のモデルが目にしている可能性があります。競技数学は特有の「ひらめき」を評価するため、ここで高得点でも証明問題や応用問題に通用するとは限りません。

289件中289件
#
1Gemini 4 Carbonhigh100.0%68.92026-11-10
2Claude Opus 5.5max100.0%68.42026-09-22
3GPT-6 Astramax100.0%67.32026-09-03
4Claude Fable 5.1max100.0%66.72026-09-01
5GPT-6.1 Solmax100.0%66.62026-09-29
6GPT-5.6 Solmax100.0%65.32026-07-09
7Gemini 4 Argonhigh100.0%65.32026-10-13
8Claude Sonnet 5.5max100.0%64.22026-09-28
9GPT-6.1 Terramax100.0%64.12026-10-26
10Claude Fable 5high100.0%63.92026-06-09
11GPT-6 Solmax100.0%62.62026-09-22
12Kimi K3.1 Pro Togethermax100.0%60.02026-10-23
13Qwen3.8 Maxxhigh100.0%56.62026-09-01
14GPT-5.5 Pre Releasexhigh100.0%–2026-04-23
15GPT-5.5 Pro Pre Releasexhigh100.0%–2026-04-23
16NEWClaude Fable 5.2max99.7%72.72026-11-09
17Claude Fable 5max99.7%65.12026-06-09
18GPT-5.6 Terramax99.7%59.52026-07-09
19Muse Wondermax99.4%60.82026-10-12
20DeepSeek V4.1 Flash 1017max99.4%57.72026-10-17
21Mistral Large 4.0 OSShigh99.4%–2026-10-29
22Muse Spark 1.3xhigh99.2%58.12026-09-02
23Grok 4.6xhigh99.2%56.12026-08-12
24Doubao Seed Evolvinghigh99.2%–2026-11-02
25Claude Opus 5max98.9%65.02026-07-24
26Gemini 3.8 Flashhigh98.9%59.42026-09-02
27Claude Haiku 5.5xhigh98.9%56.72026-10-07
28GPT-6 Lunamax98.9%55.12026-09-22
29DeepSeek V4 Promax98.6%54.72026-08-13
30Claude Opus 4.8max98.3%61.12026-05-28
31DeepSeek V4.1 Flashmax98.3%58.52026-09-09
32GPT-5.6 Lunamax98.3%56.22026-07-09
33Mistral Large 4high98.3%48.32026-10-06
34Muse Spark Open 816B A42Bxhigh98.1%58.12026-10-15
35Grok 4.7xhigh98.1%57.42026-09-21
36Claude Opus 4.7xhigh97.8%57.02026-04-16
37Claude Opus 597.8%63.22026-07-24
38Grok 4.6high97.8%60.62026-08-12
39GPT-5.4high97.8%58.62026-03-05
40Grok 4.5high97.8%56.82026-07-08
41Claude Fable 5low97.8%–2026-06-09
42Claude Opus 4.8low97.8%–2026-05-28
43Gemini 3.7 Flashhigh97.2%62.12026-08-13
44Kimi K3max97.2%60.22026-07-16
45Claude Haiku 5.5high97.2%55.32026-10-07
46GPT-5.2high96.1%55.82025-12-11
47Kimi K2.696.1%55.12026-04-20
48Doubao Seed 2.1 Turbo 260628high96.1%–2026-06-23
49GPT-5.2xhigh96.1%59.92025-12-11
50Gemini 3.1 Pro95.6%59.92026-02-19
51Gemini 3.5 Flashhigh95.6%62.52026-05-19
52Gemini 3.1 Prohigh95.6%60.42026-02-19
53GPT-5.6 Sollow95.6%60.22026-07-09
54Qwen3.7max95.6%60.02026-05-19
55Gemini 3 Flashhigh95.6%57.42025-12-17
56DeepSeek V4 Prohigh95.6%56.02026-04-24
57GPT-5.4medium95.6%54.52026-03-05
58Kimi K2.7 Code95.6%53.92026-06-12
59Doubao Seed 2.1 Pro 260628high95.6%–2026-06-23
60GPT-5.4xhigh95.3%63.12026-03-05

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「OTIS Mock AIME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/otis_mock_aime

OTIS Mock AIME:よくある質問

OTIS Mock AIMEは何を測るベンチマークですか?
Evan ChenのOTISプログラムが2024年と2025年のシーズン向けに作成した模擬AIMEです。American Invitational Mathematics Examination形式の15問のコンテストセットで、答えはすべて0から999までの整数です。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。
OTIS Mock AIMEの最高スコアは?
2026年11月16日時点で、OTIS Mock AIMEの最高スコアは100.0%で、Gemini 4 Carbon、Claude Opus 5.5、GPT-6 Astra、Claude Fable 5.1、GPT-6.1 Solほか10モデルが並んでいます。スコアはEpoch AI Benchmarking Hubの公表値で、毎日読み直しています。
OTIS Mock AIMEでトップのAIモデルは?
2026年11月16日時点で、Gemini 4 Carbon、Claude Opus 5.5、GPT-6 Astra、Claude Fable 5.1、GPT-6.1 Solほか10モデルが100.0%でOTIS Mock AIMEの首位に並んでいます。
OTIS Mock AIMEの結果があるモデルはいくつですか?
BenchLeaderでは289のモデル構成にOTIS Mock AIMEの結果があり、すべてEpoch AI Benchmarking Hubから取得しています。
OTIS Mock AIME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?
OTIS Mock AIMEはEpoch AI Benchmarking Hub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。
OTIS Mock AIMEはBenchLeader Indexに含まれますか?
はい。OTIS Mock AIME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。