BenchLeader

Omni-MATH (HELM) 排行榜

其他搜索名称:MathHELM, Omni-MATH · HELM Capabilities

截至 2026年11月16日,Omni-MATH (HELM)(又称 MathHELM) 的最高分为 72.2%,由 GPT-5 mini(OpenAI)取得,领先于 o4-mini(72.0%)。共有 68 个模型配置公布了结果(HELM Capabilities,结果日期 2025年11月24日)。Omni-MATH 是一套奥赛级数学题,覆盖众多主题和难度层级,答案与参考答案比对检查。Omni-MATH (HELM) 计入 BenchLeader Index 的数学得分。

要点(截至 2026年11月16日)

  • GPT-5 mini 以 72.2% 保持 Omni-MATH (HELM) 最高分(HELM Capabilities,2025年11月24日)。
  • o4-mini 以 72.0% 位列 Omni-MATH (HELM) 第二(HELM Capabilities,2025年11月24日)。
  • Omni-MATH (HELM):奥赛级数学题。由 Stanford CRFM 的 HELM 运行(HELM Capabilities)。
  • BenchLeader 上有 68 个模型配置公布了 Omni-MATH (HELM) 结果(BenchLeader,2026年11月16日)。
  • Omni-MATH (HELM) 计入 BenchLeader Index 的数学类别(BenchLeader 方法论)。

奥赛级数学题。由 Stanford CRFM 的 HELM 运行。

发布方
HELM Capabilities
类别
数学
Index 权重
1.0
模型
68
数据截至
2026年11月16日

Stanford Center for Research on Foundation Models (crfm.stanford.edu), Apache-2.0 results.

测试内容

Omni-MATH 是一套奥赛级数学题,覆盖众多主题和难度层级,答案与参考答案比对检查。

评分方式

题目准确率,由 Stanford CRFM 的 HELM 对所有模型使用同一提示词运行。

注意事项

奥赛题的答案核对并不完美,而且除非条目另有说明,HELM 运行模型时不会给予额外的推理预算,所以分数低于厂商在大量测试时计算下报告的成绩。

68 / 68
#
1GPT-5 mini72.2%56.62025-11-24
2o4-mini72.0%55.22025-11-24
3Qwen3 235B A22B 250771.8%50.72025-11-24
4o371.4%60.42025-11-24
5gpt-oss-120b68.8%46.12025-11-24
6Kimi K265.4%51.12025-11-24
7GPT-564.7%56.62025-11-24
8Claude Opus 4thinking61.6%55.72025-11-24
9Grok 460.3%58.12025-11-24
10Claude Sonnet 4thinking60.2%53.82025-11-24
11gpt-oss-20b56.5%44.52025-11-24
12Claude Haiku 4.556.1%47.72025-11-24
13Gemini 3 Pro55.6%60.02025-11-24
14Claude Sonnet 4.555.3%53.82025-11-24
15Qwen3 235B A22B54.8%50.12025-11-24
16GPT-5 nano54.7%56.22025-11-24
17Claude Sonnet 451.3%50.02025-11-24
18Claude Opus 451.1%51.92025-11-24
19GPT-4.1 mini49.1%44.72025-11-24
20Gemini 2.5 Flash-Lite48.0%48.32025-11-24
21GPT-4.147.1%48.72025-11-24
22Qwen3-Next 80B A3Bthinking46.7%52.22025-11-24
23GPT-5.146.4%56.12025-11-24
24Grok 346.4%50.92025-11-24
25Gemini 2.0 Flash45.9%43.52025-11-24
26DeepSeek R1 052842.4%49.12025-11-24
27Llama 4 Maverick42.2%41.82025-11-24
28Gemini 2.5 Pro41.6%55.22025-11-24
29Palmyra X541.5%–2025-11-24
30DeepSeek V340.3%44.32025-11-24
31GLM-4.5-Air39.1%46.72025-11-24
32Gemini 2.5 Flash38.4%52.42025-11-24
33Gemini 2.0 Flash-Lite37.4%48.02025-11-24
34Llama 4 Scout37.3%38.22025-11-24
35GPT-4.1 nano36.7%36.92025-11-24
36Gemini 1.5 Pro 00236.4%41.42025-11-24
37Nova Premier35.0%45.12025-11-24
38Claude 3.7 Sonnet33.0%49.22025-11-24
39Qwen2.5 72B33.0%43.12025-11-24
40Palmyra X 00432.0%–2025-11-24
41Grok 3 mini31.8%52.02025-11-24
42Gemini 1.5 Flash 00230.5%38.22025-11-24
43Granite 4.0 Small29.6%–2025-11-24
44Palmyra Fin29.5%–2025-11-24
45Qwen2.5 7B Instruct29.4%39.82025-11-24
46GPT-4o29.3%42.82025-11-24
47Mistral Large 2.128.1%42.52025-11-24
48GPT-4o mini28.0%35.22025-11-24
49Claude 3.5 Sonnet27.6%46.82025-11-24
50Llama 3.1 405B24.9%41.82025-11-24
51Mistral Small 3.124.8%38.42025-11-24
52Nova Pro24.2%40.52025-11-24
53Nova Lite23.3%38.22025-11-24
54Claude 3.5 Haiku22.4%38.72025-11-24
55Nova Micro21.4%39.22025-11-24
56Llama 3.1 70B21.0%40.72025-11-24
57granite-4.0-micro20.9%36.22025-11-24
58Granite 3.3 8B17.6%–2025-11-24
59Mixtral 8x22B Instruct16.3%37.42025-11-24
60Olmo 2 32B March 202516.1%–2025-11-24

更多数学基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《Omni-MATH (HELM) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/helm_omni_math。

Omni-MATH (HELM):常见问题

Omni-MATH (HELM) 衡量的是什么?
Omni-MATH 是一套奥赛级数学题,覆盖众多主题和难度层级,答案与参考答案比对检查。分数以完成任务的百分比表示,越高越好。
Omni-MATH (HELM) 的最高分是多少?
截至 2026年11月16日,Omni-MATH (HELM) 的最高分为 72.2%,由 GPT-5 mini 取得(结果日期 2025年11月24日),领先于 o4-mini(72.0%)。分数来自 HELM Capabilities,每天重新读取。
哪个 AI 模型在 Omni-MATH (HELM) 上领先?
截至 2026年11月16日,Omni-MATH (HELM) 排名第一的是 GPT-5 mini,分数为 72.2%(结果日期 2025年11月24日)。其后为 o4-mini(72.0%)。
有多少模型有 Omni-MATH (HELM) 结果?
BenchLeader 上有 68 个模型配置有 Omni-MATH (HELM) 结果,全部取自 HELM Capabilities。
Omni-MATH (HELM) 由谁运行,多久更新一次?
Omni-MATH (HELM) 由 HELM Capabilities 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
Omni-MATH (HELM) 是否计入 BenchLeader Index?
计入。Omni-MATH (HELM) 计入 BenchLeader Index 的数学类别,并经过归一化,使参评模型的平均值为 50。