AIME 2026 排行榜
截至 2026年11月16日,AIME 2026 的最高分为 100.0%,由 GPT-5.5 和 Claude Opus 4.8 并列取得,领先于 GPT-5.4(99.2%)。共有 31 个模型配置公布了结果(MathArena)。2026 年 AIME I 和 II 两套试卷,由 MathArena 在考试后几天内完成评测,任何模型都不可能在这些题上训练过。AIME 2026 计入 BenchLeader Index 的数学得分。
要点(截至 2026年11月16日)
- GPT-5.5 和 Claude Opus 4.8 以 100.0% 并列 AIME 2026 最高分(MathArena,2026年11月16日)。
- AIME 2026:2026 年 AIME I 和 II,由 MathArena 在题目公布后立即评测(MathArena)。
- BenchLeader 上有 31 个模型配置公布了 AIME 2026 结果(BenchLeader,2026年11月16日)。
- AIME 2026 计入 BenchLeader Index 的数学类别(BenchLeader 方法论)。
2026 年 AIME I 和 II,由 MathArena 在题目公布后立即评测。
MathArena 将这 31 个结果中的 21 个标记为可能受到污染:模型是在题目公开之后才接受评测的,题目可能已经进入其训练数据。这些分数同样列在下表中,并与其他结果以相同权重计入 Index。
- 发布方
- MathArena
- 类别
- 数学
- Index 权重
- 1.0
- 模型
- 31
- 数据截至
- 2026年11月16日
MIT — eth-sri/matharena.
测试内容
2026 年 AIME I 和 II 两套试卷,由 MathArena 在考试后几天内完成评测,任何模型都不可能在这些题上训练过。
评分方式
30 道题中答对的百分比,取多次运行的平均值。
注意事项
只有 30 道题,每道题价值超过三分;运行之间的波动会一并公布,可能达到好几分。
- 1GPT-5.5 (xhigh)100.0%
- 2Claude Opus 4.8 (max)100.0%
- 3GPT-5.4 (xhigh)99.2%
- 4Gemini 3.1 Pro (high)98.3%
- 5GPT-5.2 (high)98.3%
- 6Claude Opus 4.6 (high)96.7%
- 7Kimi K3 (max)96.7%
- 8Gemini 3 Flash (high)96.7%
- 9Step 3.5 Flash96.7%
- 10GLM-596.7%
- 11DeepSeek V4 Pro (max)96.7%
- 12Gemini 3.6 Flash96.7%
- 13Claude Opus 4.7 (xhigh)95.8%
- 14DeepSeek V4 Flash (max)95.8%
- 15GLM 5.195.8%
31 / 31
| # | ||||||
|---|---|---|---|---|---|---|
| 1 | 100.0% | 64.1 | $0.160 | 5k | 可能 | |
| 2 | 100.0% | 61.1 | $0.540 | 21k | 可能 | |
| 3 | 99.2% | 63.1 | $0.160 | 11k | 可能 | |
| 4 | 98.3% | 60.4 | $0.170 | 14k | 可能 | |
| 5 | 98.3% | 55.8 | $0.120 | 8k | – | |
| 6 | 96.7% | 62.5 | $0.330 | 13k | – | |
| 7 | 96.7% | 60.2 | $0.110 | 7k | 可能 | |
| 8 | 96.7% | 57.4 | $0.062 | 21k | – | |
| 9 | 96.7% | 56.3 | $0.013 | 42k | – | |
| 10 | 96.7% | 54.9 | $0.075 | 24k | 可能 | |
| 11 | 96.7% | 54.7 | $0.082 | 24k | 可能 | |
| 12 | 96.7% | 49.3 | $0.082 | 11k | 可能 | |
| 13 | 95.8% | 57.0 | $0.270 | 11k | 可能 | |
| 14 | 95.8% | 56.8 | $0.0090 | 34k | 可能 | |
| 15 | 95.8% | 55.4 | $0.085 | 27k | 可能 | |
| 16 | 95.8% | – | $0.069 | 23k | – | |
| 17 | 95.8% | – | $0.090 | 23k | 可能 | |
| 18 | 95.0% | 62.5 | $0.130 | 14k | 可能 | |
| 19 | 95.0% | – | $0.015 | 50k | 可能 | |
| 20 | 94.2% | 56.7 | $0.0060 | 15k | – | |
| 21 | 94.2% | 55.3 | $0.0050 | 10k | – | |
| 22 | 94.2% | 51.3 | $0.075 | 21k | 可能 | |
| 23 | 93.3% | 49.9 | $0.041 | 32k | 可能 | |
| 24 | 92.5% | 40.4 | $0.0050 | 31k | 可能 | |
| 25 | 91.7% | 60.0 | $0.180 | 15k | – | |
| 26 | 91.7% | 52.0 | $0.047 | 29k | 可能 | |
| 27 | 91.7% | 44.0 | – | 24k | 可能 | |
| 28 | 90.0% | 58.9 | $0.076 | 18k | 可能 | |
| 29 | 88.3% | 44.6 | $0.0050 | 18k | – | |
| 30 | 82.5% | 40.2 | $0.0060 | 21k | – | |
| 31 | Qed Nano | 82.5% | – | – | 35k | 可能 |
相关基准测试
AIME 2026 上的热门模型对比
引用格式:BenchLeader,《AIME 2026 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/matharena_aime_2026。
AIME 2026:常见问题
- AIME 2026 衡量的是什么?
- 2026 年 AIME I 和 II 两套试卷,由 MathArena 在考试后几天内完成评测,任何模型都不可能在这些题上训练过。分数以完成任务的百分比表示,越高越好。
- AIME 2026 的最高分是多少?
- 截至 2026年11月16日,AIME 2026 的最高分为 100.0%,由 GPT-5.5 和 Claude Opus 4.8 并列取得,领先于 GPT-5.4(99.2%)。分数来自 MathArena,每天重新读取。
- 哪个 AI 模型在 AIME 2026 上领先?
- 截至 2026年11月16日,GPT-5.5 和 Claude Opus 4.8 以 100.0% 并列 AIME 2026 第一。
- 有多少模型有 AIME 2026 结果?
- BenchLeader 上有 31 个模型配置有 AIME 2026 结果,全部取自 MathArena。
- AIME 2026 由谁运行,多久更新一次?
- AIME 2026 由 MathArena 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。
- AIME 2026 是否计入 BenchLeader Index?
- 计入。AIME 2026 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。