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。
- 1Gemini 3 Pro (high)96.4%
- 2Grok 496.2%
- 3GPT-5 (high)96.0%
- 4Claude Opus 4.1 (thinking)95.4%
- 5Gemini 2.5 Pro95.2%
- 6GPT-5 mini (high)94.8%
- 7gpt-oss-120b94.8%
- 8o3 (high)94.6%
- 9Qwen3 235B A22B94.6%
- 10Grok 3 Mini Fast (high)94.2%
- 11o4-mini (high)94.2%
- 12Kimi K294.2%
- 13gpt-oss-20b94.2%
- 14GLM-4.594.0%
- 15Claude Sonnet 4 (thinking)93.8%
58件中58件
| # | |||||
|---|---|---|---|---|---|
| 1 | 96.4% | 60.0 | $0.051 | 2026-01-09 | |
| 2 | 96.2% | 58.1 | $0.037 | 2026-01-09 | |
| 3 | 96.0% | 58.2 | $0.020 | 2026-01-09 | |
| 4 | 95.4% | 58.1 | $0.202 | 2026-01-09 | |
| 5 | 95.2% | 55.2 | $0.0079 | 2026-01-09 | |
| 6 | 94.8% | 54.6 | $0.0037 | 2026-01-09 | |
| 7 | 94.8% | 46.1 | $0.0014 | 2026-01-09 | |
| 8 | 94.6% | 55.1 | $0.011 | 2026-01-09 | |
| 9 | 94.6% | 50.1 | $0.0034 | 2026-01-09 | |
| 10 | 94.2% | 53.7 | $0.0019 | 2026-01-09 | |
| 11 | 94.2% | 51.2 | $0.0048 | 2026-01-09 | |
| 12 | 94.2% | 51.1 | $0.0030 | 2026-01-09 | |
| 13 | 94.2% | 44.5 | $0.0010 | 2026-01-09 | |
| 14 | 94.0% | 51.6 | $0.013 | 2026-01-09 | |
| 15 | 93.8% | 53.8 | $0.068 | 2026-01-09 | |
| 16 | 93.8% | 47.4 | $0.0017 | 2026-01-09 | |
| 17 | 93.0% | 51.1 | $0.046 | 2026-01-09 | |
| 18 | 92.2% | 47.2 | $0.011 | 2026-01-09 | |
| 19 | 91.8% | 49.0 | $0.011 | 2026-01-09 | |
| 20 | 91.8% | 47.9 | $0.0077 | 2026-01-09 | |
| 21 | 91.6% | 52.9 | $0.125 | 2026-01-09 | |
| 22 | 91.6% | 52.4 | $0.0065 | 2026-01-09 | |
| 23 | 91.4% | – | – | 2026-01-09 | |
| 24 | 90.4% | 51.9 | $0.045 | 2026-01-09 | |
| 25 | 90.4% | 49.5 | $0.095 | 2026-01-09 | |
| 26 | 90.3% | 50.0 | $0.010 | 2026-01-09 | |
| 27 | 89.8% | 50.9 | $0.013 | 2026-01-09 | |
| 28 | 89.0% | 53.8 | $0.0046 | 2026-01-09 | |
| 29 | 89.0% | 43.5 | $0.0002 | 2026-01-09 | |
| 30 | 88.6% | 46.9 | $0.0007 | 2026-01-09 | |
| 31 | 88.0% | 46.3 | $0.0012 | 2026-01-09 | |
| 32 | 87.2% | 46.6 | $0.0094 | 2026-01-09 | |
| 33 | 87.0% | 44.3 | $0.0018 | 2026-01-09 | |
| 34 | 85.2% | 41.8 | $0.0006 | 2026-01-09 | |
| 35 | 84.6% | 45.1 | $0.0004 | 2026-01-09 | |
| 36 | 82.8% | 41.4 | $0.0022 | 2026-01-09 | |
| 37 | 80.4% | 44.3 | $0.0006 | 2026-01-09 | |
| 38 | 80.2% | 32.1 | $0.0003 | 2026-01-09 | |
| 39 | 79.2% | 38.2 | $0.0004 | 2026-01-09 | |
| 40 | 78.8% | 38.2 | $0.0001 | 2026-01-09 | |
| 41 | 78.4% | 42.3 | $0.0063 | 2026-01-09 | |
| 42 | 76.8% | 49.2 | $0.0069 | 2026-01-09 | |
| 43 | 76.2% | 42.1 | $0.0060 | 2026-01-09 | |
| 44 | 75.2% | 41.6 | $0.0056 | 2026-01-09 | |
| 45 | 74.4% | 42.5 | $0.0033 | 2026-01-09 | |
| 46 | 73.4% | 39.9 | $0.0007 | 2026-01-09 | |
| 47 | 72.6% | 33.5 | $0.0003 | 2026-01-09 | |
| 48 | 72.4% | 46.8 | $0.0050 | 2026-01-09 | |
| 49 | 71.4% | – | $0.0030 | 2026-01-09 | |
| 50 | 71.2% | – | – | 2026-01-09 | |
| 51 | 70.6% | 30.1 | $0.0003 | 2026-01-09 | |
| 52 | 70.2% | 50.7 | $0.0009 | 2026-01-09 | |
| 53 | 68.4% | 38.4 | $0.0002 | 2026-01-09 | |
| 54 | 65.0% | – | $0.0010 | 2026-01-09 | |
| 55 | 64.2% | 38.7 | $0.0015 | 2026-01-09 | |
| 56 | 54.8% | 25.8 | $0.0040 | 2026-01-09 | |
| 57 | 44.4% | – | $0.0004 | 2026-01-09 | |
| 58 | 25.4% | 21.7 | $0.0003 | 2026-01-09 |
関連するベンチマーク
MATH 500での注目のモデル比較
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。