BenchLeader

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。

31 / 31
#
1GPT-5.5xhigh100.0%64.1$0.1605k可能
2Claude Opus 4.8max100.0%61.1$0.54021k可能
3GPT-5.4xhigh99.2%63.1$0.16011k可能
4Gemini 3.1 Prohigh98.3%60.4$0.17014k可能
5GPT-5.2high98.3%55.8$0.1208k–
6Claude Opus 4.6high96.7%62.5$0.33013k–
7Kimi K3max96.7%60.2$0.1107k可能
8Gemini 3 Flashhigh96.7%57.4$0.06221k–
9Step 3.5 Flash96.7%56.3$0.01342k–
10GLM-596.7%54.9$0.07524k可能
11DeepSeek V4 Promax96.7%54.7$0.08224k可能
12Gemini 3.6 Flash96.7%49.3$0.08211k可能
13Claude Opus 4.7xhigh95.8%57.0$0.27011k可能
14DeepSeek V4 Flashmax95.8%56.8$0.009034k可能
15GLM 5.195.8%55.4$0.08527k可能
16Kimi K2.5high95.8%–$0.06923k–
17Kimi K2.6high95.8%–$0.09023k可能
18Gemini 3.5 Flashhigh95.0%62.5$0.13014k可能
19Step 3.7 Flashhigh95.0%–$0.01550k可能
20DeepSeek V3.2thinking94.2%56.7$0.006015k–
21Grok 4.1 Fastthinking94.2%55.3$0.005010k–
22Qwen3.5 397B A17B94.2%51.3$0.07521k可能
23Qwen3.5-35B-A3B93.3%49.9$0.04132k可能
24Qwen3.5-9B92.5%40.4$0.005031k可能
25Gemini 3 Pro91.7%60.0$0.18015k–
26Qwen3.5-27B91.7%52.0$0.04729k可能
27Nemotron 3 Super91.7%44.0–24k可能
28GLM 5.2max90.0%58.9$0.07618k可能
29Qwen3 30B A3B 2507thinking88.3%44.6$0.005018k–
30Qwen3-4B-Instruct-2507thinking82.5%40.2$0.006021k–
31Qed Nano82.5%––35k可能

更多数学基准测试 · 全部大模型基准测试

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。