MathArena Apex 排行榜
截至 2026年11月16日,MathArena Apex 的最高分为 81.3%,由 Claude Opus 4.8(Anthropic)取得,领先于 GPT-5.5(80.2%)。共有 47 个模型配置公布了结果(MathArena)。MathArena Apex 收集近期竞赛中当时没有任何模型解出的题目,组成一个前沿题集。MathArena Apex 计入 BenchLeader Index 的数学得分。
要点(截至 2026年11月16日)
- Claude Opus 4.8 以 81.3% 保持 MathArena Apex 最高分(MathArena,2026年11月16日)。
- GPT-5.5 以 80.2% 位列 MathArena Apex 第二(MathArena,2026年11月16日)。
- MathArena Apex:近期各项竞赛中最难的题目。MathArena(MathArena)。
- BenchLeader 上有 47 个模型配置公布了 MathArena Apex 结果(BenchLeader,2026年11月16日)。
- MathArena Apex 计入 BenchLeader Index 的数学类别(BenchLeader 方法论)。
近期各项竞赛中最难的题目。MathArena。
MathArena 将这 47 个结果中的 36 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
- 0.5
- 模型
- 47
- 数据截至
- 2026年11月16日
MIT — eth-sri/matharena.
测试内容
MathArena Apex 收集近期竞赛中当时没有任何模型解出的题目,组成一个前沿题集。
评分方式
解题百分比,取多次运行的平均值。
注意事项
按设计,分数从接近零起步,题集也很小,所以它标示的是突破,而不是普通能力的排名。
- 1Claude Opus 4.8 (max)81.3%
- 2GPT-5.5 (xhigh)80.2%
- 3GPT-5.4 Pro (xhigh)69.8%
- 4Kimi K3 (max)65.6%
- 5Gemini 3.1 Pro (high)60.9%
- 6GPT-5.4 (xhigh)54.2%
- 7Claude Opus 4.7 (xhigh)40.6%
- 8Claude Opus 4.6 (high)34.5%
- 9Gemini 3.5 Flash (high)32.3%
- 10DeepSeek V4 Pro (max)28.1%
- 11DeepSeek V4 Flash (max)27.1%
- 12Gemini 3.6 Flash26.0%
- 13Kimi K2.6 (high)24.0%
- 14Gemini 3 Pro23.4%
- 15GLM 5.2 (max)19.8%
47 / 47
| # | ||||||
|---|---|---|---|---|---|---|
| 1 | 81.3% | 61.1 | $4.59 | 184k | 可能 | |
| 2 | 80.2% | 64.1 | $1.42 | 47k | 可能 | |
| 3 | 69.8% | 59.5 | $8.65 | 47k | 可能 | |
| 4 | 65.6% | 60.2 | $1.11 | 74k | 可能 | |
| 5 | 60.9% | 60.4 | $0.410 | 34k | 可能 | |
| 6 | 54.2% | 63.1 | $1.03 | 68k | 可能 | |
| 7 | 40.6% | 57.0 | $2.10 | 84k | 可能 | |
| 8 | 34.5% | 62.5 | $2.36 | 94k | 可能 | |
| 9 | 32.3% | 62.5 | $0.300 | 33k | 可能 | |
| 10 | 28.1% | 54.7 | $0.420 | 120k | 可能 | |
| 11 | 27.1% | 56.8 | $0.050 | 180k | 可能 | |
| 12 | 26.0% | 49.3 | $0.190 | 26k | 可能 | |
| 13 | 24.0% | – | $0.320 | 81k | 可能 | |
| 14 | 23.4% | 60.0 | $0.280 | 24k | 可能 | |
| 15 | 19.8% | 58.9 | $0.180 | 43k | 可能 | |
| 16 | 15.6% | 57.4 | $0.100 | 35k | 可能 | |
| 17 | 14.6% | – | $0.075 | 249k | 可能 | |
| 18 | 13.5% | 56.3 | $0.045 | 149k | 可能 | |
| 19 | 13.5% | 55.8 | $1.00 | 71k | 可能 | |
| 20 | 11.5% | 55.4 | $0.270 | 86k | 可能 | |
| 21 | 10.9% | 54.9 | $0.250 | 78k | 可能 | |
| 22 | 9.4% | 53.3 | $0.031 | 73k | 可能 | |
| 23 | 8.8% | – | $0.180 | 61k | 可能 | |
| 24 | 7.8% | 44.0 | – | 101k | 可能 | |
| 25 | 5.2% | 55.3 | $0.013 | 26k | 可能 | |
| 26 | 5.2% | – | $0.011 | 23k | 可能 | |
| 27 | 5.2% | – | $0.052 | 43k | – | |
| 28 | 4.2% | 49.9 | $0.085 | 66k | 可能 | |
| 29 | 2.1% | 58.1 | $0.520 | 34k | – | |
| 30 | 2.1% | 56.7 | $0.018 | 44k | 可能 | |
| 31 | 2.1% | 52.0 | $0.100 | 62k | 可能 | |
| 32 | 2.1% | 40.2 | $0.0080 | 28k | – | |
| 33 | 2.1% | – | $3.83 | 376k | – | |
| 34 | 1.6% | 52.3 | $0.380 | 25k | 可能 | |
| 35 | Qed Nano | 1.6% | – | – | 92k | 可能 |
| 36 | 1.0% | 58.2 | $0.460 | 46k | – | |
| 37 | 1.0% | 57.5 | $0.550 | 55k | 可能 | |
| 38 | 1.0% | 54.6 | $0.070 | 35k | – | |
| 39 | 1.0% | 51.6 | $0.076 | 34k | – | |
| 40 | 1.0% | 49.1 | $0.082 | 37k | – | |
| 41 | 1.0% | 45.3 | $0.027 | 45k | – | |
| 42 | 0.5% | 55.2 | $0.310 | 31k | – | |
| 43 | 0.5% | 52.4 | $0.073 | 33k | 可能 | |
| 44 | 0.5% | 50.2 | $0.070 | 32k | 可能 | |
| 45 | 0.5% | 44.6 | $0.0090 | 31k | – | |
| 46 | 0.5% | 40.4 | $0.0090 | 59k | 可能 | |
| 47 | 0.0% | 52.3 | $0.150 | 58k | 可能 |
相关基准测试
MathArena Apex 上的热门模型对比
引用格式:BenchLeader,《MathArena Apex 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/matharena_apex_2025。
MathArena Apex:常见问题
- MathArena Apex 衡量的是什么?
- MathArena Apex 收集近期竞赛中当时没有任何模型解出的题目,组成一个前沿题集。分数以完成任务的百分比表示,越高越好。
- MathArena Apex 的最高分是多少?
- 截至 2026年11月16日,MathArena Apex 的最高分为 81.3%,由 Claude Opus 4.8 取得,领先于 GPT-5.5(80.2%)。分数来自 MathArena,每天重新读取。
- 哪个 AI 模型在 MathArena Apex 上领先?
- 截至 2026年11月16日,MathArena Apex 排名第一的是 Claude Opus 4.8,分数为 81.3%。其后为 GPT-5.5(80.2%)。
- 有多少模型有 MathArena Apex 结果?
- BenchLeader 上有 47 个模型配置有 MathArena Apex 结果,全部取自 MathArena。
- MathArena Apex 由谁运行,多久更新一次?
- MathArena Apex 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。
- MathArena Apex 是否计入 BenchLeader Index?
- 计入。MathArena Apex 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。