BenchLeader

MATH 500のリーダーボード

2026年11月16日時点で、MATH 500の最高スコアは96.4%で、Gemini 3 Pro(Google)が記録しています。次点はGrok 4の96.2%です。公表された結果があるのは58のモデル構成です(Vals AI、結果の日付は2026年1月9日)。MATH 500は、MATHコンテストデータセットから選んだ500問のサブセットで、代数、数え上げ、幾何、数論にわたり、それぞれ短く厳密な答えがあります。MATH 500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 3 ProがMATH 500の最高スコア96.4%を記録しています(Vals AI、2026年1月9日)。
  • MATH 500の2位はGrok 4で、96.2%です(Vals AI、2026年1月9日)。
  • MATH 500:代数・確率・三角法の競技問題500問。Vals AIが実施(Vals AI)。
  • BenchLeaderでは58のモデル構成にMATH 500の公表結果があります(BenchLeader、2026年11月16日)。
  • MATH 500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)。

代数・確率・三角法の競技問題500問。Vals AIが実施。

公開元
Vals AI
カテゴリ
数学
Indexでの重み
参考のみ
モデル
58
データ基準日
2026年11月16日

Vals AI (vals.ai).

どんなテストか

MATH 500は、MATHコンテストデータセットから選んだ500問のサブセットで、代数、数え上げ、幾何、数論にわたり、それぞれ短く厳密な答えがあります。

採点方法

正答率で、Vals AIが記載の推論エフォートで実行しています。

注意点

最先端のモデルは95%を超えているため、上位モデルよりも小型モデル同士の差を見分けるのに役立ちます。データセットは公開されています。

58件中58件
#
1Gemini 3 Prohigh96.4%60.0$0.0512026-01-09
2Grok 496.2%58.1$0.0372026-01-09
3GPT-5high96.0%58.2$0.0202026-01-09
4Claude Opus 4.1thinking95.4%58.1$0.2022026-01-09
5Gemini 2.5 Pro95.2%55.2$0.00792026-01-09
6GPT-5 minihigh94.8%54.6$0.00372026-01-09
7gpt-oss-120b94.8%46.1$0.00142026-01-09
8o3high94.6%55.1$0.0112026-01-09
9Qwen3 235B A22B94.6%50.1$0.00342026-01-09
10Grok 3 Mini Fasthigh94.2%53.7$0.00192026-01-09
11o4-minihigh94.2%51.2$0.00482026-01-09
12Kimi K294.2%51.1$0.00302026-01-09
13gpt-oss-20b94.2%44.5$0.00102026-01-09
14GLM-4.594.0%51.6$0.0132026-01-09
15Claude Sonnet 4thinking93.8%53.8$0.0682026-01-09
16GPT-5 nanohigh93.8%47.4$0.00172026-01-09
17Claude Opus 4.193.0%51.1$0.0462026-01-09
18DeepSeek R192.2%47.2$0.0112026-01-09
19Gemini 2.5 Flashthinking91.8%49.0$0.0112026-01-09
20o3-minihigh91.8%47.9$0.00772026-01-09
21Claude 3.7 Sonnetthinking91.6%52.9$0.1252026-01-09
22Gemini 2.5 Flash91.6%52.4$0.00652026-01-09
23Langston Nim Nvidia Llama 3.3 Nemotron Super 49B v1 42e84561thinking91.4%––2026-01-09
24Claude Opus 490.4%51.9$0.0452026-01-09
25o1high90.4%49.5$0.0952026-01-09
26Claude Sonnet 490.3%50.0$0.0102026-01-09
27Grok 389.8%50.9$0.0132026-01-09
28MiniMax-M2.189.0%53.8$0.00462026-01-09
29Gemini 2.0 Flash89.0%43.5$0.00022026-01-09
30DeepSeek V3 032488.6%46.9$0.00072026-01-09
31GPT-4.1 minihigh88.0%46.3$0.00122026-01-09
32GPT-4.1high87.2%46.6$0.00942026-01-09
33Mistral Medium 387.0%44.3$0.00182026-01-09
34Llama 4 Maverick85.2%41.8$0.00062026-01-09
35Gemini 2.0 Flash Thinkingthinking84.6%45.1$0.00042026-01-09
36Gemini 1.5 Pro 00282.8%41.4$0.00222026-01-09
37DeepSeek V380.4%44.3$0.00062026-01-09
38GPT-4.1 nanohigh80.2%32.1$0.00032026-01-09
39Llama 4 Scout79.2%38.2$0.00042026-01-09
40Gemini 1.5 Flash 00278.8%38.2$0.00012026-01-09
41Grok 278.4%42.3$0.00632026-01-09
42Claude 3.7 Sonnet76.8%49.2$0.00692026-01-09
43Command A76.2%42.1$0.00602026-01-09
44GPT-4ohigh75.2%41.6$0.00562026-01-09
45Mistral Large 2.174.4%42.5$0.00332026-01-09
46Llama 3.3 70B73.4%39.9$0.00072026-01-09
47GPT-4o minihigh72.6%33.5$0.00032026-01-09
48Claude 3.5 Sonnet72.4%46.8$0.00502026-01-09
49Llama Meta Llama 3.1 405B Turbo71.4%–$0.00302026-01-09
50Langston Nim Nvidia Llama 3.3 Nemotron Super 49B v171.2%––2026-01-09
51Mistral Small 240270.6%30.1$0.00032026-01-09
52Grok 3 Mini Fastlow70.2%50.7$0.00092026-01-09
53Mistral Small 3.168.4%38.4$0.00022026-01-09
54Llama Meta Llama 3.1 70B Turbo65.0%–$0.00102026-01-09
55Claude 3.5 Haiku64.2%38.7$0.00152026-01-09
56Jamba Large 1.654.8%25.8$0.00402026-01-09
57Llama Meta Llama 3.1 8B Turbo44.4%–$0.00042026-01-09
58Jamba Mini 1.625.4%21.7$0.00032026-01-09

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「MATH 500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_math500

MATH 500:よくある質問

MATH 500は何を測るベンチマークですか?
MATH 500は、MATHコンテストデータセットから選んだ500問のサブセットで、代数、数え上げ、幾何、数論にわたり、それぞれ短く厳密な答えがあります。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。
MATH 500の最高スコアは?
2026年11月16日時点で、MATH 500の最高スコアは96.4%で、Gemini 3 Proが記録しています(結果の日付は2026年1月9日)。次点はGrok 4の96.2%です。スコアはVals AIの公表値で、毎日読み直しています。
MATH 500でトップのAIモデルは?
2026年11月16日時点で、MATH 500の首位はGemini 3 Proで、スコアは96.4%です(結果の日付は2026年1月9日)。続いてGrok 4(96.2%)です。
MATH 500の結果があるモデルはいくつですか?
BenchLeaderでは58のモデル構成にMATH 500の結果があり、すべてVals AIから取得しています。
MATH 500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?
MATH 500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。
MATH 500はBenchLeader Indexに含まれますか?
いいえ。MATH 500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。