BenchLeader

AIME (Vals)のリーダーボード

2026年11月16日時点で、AIME (Vals)の最高スコアは98.1%で、Gemini 3.1 Pro(Google)が記録しています。次点はMuse Sparkの96.9%です。公表された結果があるのは94のモデル構成です(Vals AI、結果の日付は2026年4月16日)。最近のAIMEの問題をVals AIが実行したもので、実行ごとにモデルの推論エフォートが記録されています。AIMEの答えは0から999までの整数です。AIME (Vals)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 3.1 ProがAIME (Vals)の最高スコア98.1%を記録しています(Vals AI、2026年4月16日)。
  • AIME (Vals)の2位はMuse Sparkで、96.9%です(Vals AI、2026年4月16日)。
  • AIME (Vals):最近のAIMEの問題。Vals AIが推論エフォートを明記して実施(Vals AI)。
  • BenchLeaderでは94のモデル構成にAIME (Vals)の公表結果があります(BenchLeader、2026年11月16日)。
  • AIME (Vals)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AIMEの問題。Vals AIが推論エフォートを明記して実施。

公開元
Vals AI
カテゴリ
数学
Indexでの重み
0.5
モデル
94
データ基準日
2026年11月16日

Vals AI (vals.ai).

どんなテストか

最近のAIMEの問題をVals AIが実行したもので、実行ごとにモデルの推論エフォートが記録されています。AIMEの答えは0から999までの整数です。

採点方法

正答率です。

注意点

1年分が30問なので、1問で3ポイント以上の価値があります。問題は試験後まもなく公開されるため、新しいモデルが目にしている可能性があります。

94件中94件
#
1Gemini 3.1 Prohigh98.1%60.4$0.1272026-04-16
2Muse Spark96.9%64.2$0.00462026-04-16
3GPT-5.2xhigh96.9%59.9$0.1352026-04-16
4Gemini 3 Prohigh96.7%60.0$0.1692026-04-16
5GPT-5.4xhigh96.7%63.1$0.1382026-04-16
6Grok 4.20thinking96.5%58.3$0.0592026-04-16
7Claude Opus 4.796.3%63.1$0.4512026-04-16
8Kimi K2.5thinking95.6%59.4$0.0642026-04-16
9Gemini 3 Flashhigh95.6%57.4$0.0462026-04-16
10GPT-5.4 Minixhigh95.6%55.1$0.1292026-04-16
11Claude Opus 4.6thinking95.6%–$0.3442026-04-16
12Claude Opus 4.5thinking95.4%59.3$1.322026-04-16
13Qwen3.6 Plus94.6%59.0$0.0942026-04-16
14GPT-5high93.4%58.2$0.0932026-04-16
15GPT-5.1high93.3%57.5$0.1502026-04-16
16GLM 4.793.3%51.7$0.0432026-04-16
17GLM-4.692.7%50.2$0.1162026-04-16
18gpt-oss-120b92.6%46.1$0.0102026-04-16
19Qwen3.5 Flash92.5%51.8$0.0112026-04-16
20Claude Sonnet 4.692.3%57.6$0.4362026-04-16
21GLM 5.191.9%55.4$0.0712026-04-16
22Grok 4.1 Fastthinking91.9%55.3$0.00412026-04-16
23GLM-5thinking91.7%60.2$0.0702026-04-16
24GPT-5 minihigh91.5%54.6$0.0232026-04-16
25Grok 4 Fastthinking91.3%51.6$0.00432026-04-16
26MiniMax M2.791.0%56.6$0.0232026-04-16
27Grok 490.6%58.1$0.1742026-04-16
28MiniMax M2.588.8%53.7$0.0412026-04-16
29GPT-5.4 Nanohigh88.8%48.3$0.00342026-04-16
30Claude Sonnet 4.5thinking88.2%52.3$0.2672026-04-16
31GLM-4.586.7%51.6$0.0472026-04-16
32o3-minihigh86.5%47.9$0.0512026-04-16
33Qwen3.5 Plusthinking86.0%57.4$0.0452026-04-16
34gpt-oss-20b86.0%44.5$0.0112026-04-16
35Gemini 2.5 Pro85.8%55.2$0.0272026-04-16
36Kimi K2 Thinkingthinking85.4%52.3$0.0452026-04-16
37o3high85.3%55.1$0.0602026-04-16
38Grok 3 Mini Fasthigh85.0%53.7$0.00832026-04-16
39DeepSeek V3.2high84.6%54.2$0.00442026-04-16
40Qwen3 235B A22B84.0%50.1$0.0122026-04-16
41o4-minihigh83.7%51.2$0.0262026-04-16
42Magistral Medium 1.283.5%43.7$0.0872026-04-16
43Gemini 3.1 Flash Litehigh83.3%48.4$0.00702026-04-16
44Claude Haiku 4.5thinking82.7%45.7$0.1742026-04-16
45GPT-5 nanohigh81.2%47.4$0.00892026-04-16
46Qwen3 Maxmax81.0%54.2$0.0332026-04-16
47Magistral Small 1.280.7%39.8$0.0252026-04-16
48Claude Opus 4.1thinking78.2%58.1$0.8602026-04-16
49MiniMax-M2.177.9%53.8$0.0242026-04-16
50Claude Opus 4.576.9%57.1$0.0892026-04-16
51Claude Sonnet 4thinking76.3%53.8$0.2952026-04-16
52DeepSeek R174.0%47.2$0.0532026-04-16
53o1high71.5%49.5$0.6592026-04-16
54Grok 3 Mini Fastlow70.6%50.7$0.00292026-04-16
55DeepSeek V3.2推論なし64.8%52.1$0.00142026-04-16
56Kimi K262.7%51.1$0.0132026-04-16
57Grok 358.8%50.9$0.0912026-04-16
58Langston Nim Nvidia Llama 3.3 Nemotron Super 49B v1 42e84561thinking53.5%––2026-04-16
59DeepSeek V3 032452.2%46.9$0.00322026-04-16
60Gemini 2.5 Flash 09 2025thinking51.5%52.8$0.00502026-04-16

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「AIME (Vals)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/vals_aime

AIME (Vals):よくある質問

AIME (Vals)は何を測るベンチマークですか?
最近のAIMEの問題をVals AIが実行したもので、実行ごとにモデルの推論エフォートが記録されています。AIMEの答えは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。
AIME (Vals)の最高スコアは?
2026年11月16日時点で、AIME (Vals)の最高スコアは98.1%で、Gemini 3.1 Proが記録しています(結果の日付は2026年4月16日)。次点はMuse Sparkの96.9%です。スコアはVals AIの公表値で、毎日読み直しています。
AIME (Vals)でトップのAIモデルは?
2026年11月16日時点で、AIME (Vals)の首位はGemini 3.1 Proで、スコアは98.1%です(結果の日付は2026年4月16日)。続いてMuse Spark(96.9%)です。
AIME (Vals)の結果があるモデルはいくつですか?
BenchLeaderでは94のモデル構成にAIME (Vals)の結果があり、すべてVals AIから取得しています。
AIME (Vals)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 (Vals)はVals AI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 (Vals)はBenchLeader Indexに含まれますか?
はい。AIME (Vals)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。