BenchLeader

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。

47 / 47
#
1Claude Opus 4.8max81.3%61.1$4.59184k可能
2GPT-5.5xhigh80.2%64.1$1.4247k可能
3GPT-5.4 Proxhigh69.8%59.5$8.6547k可能
4Kimi K3max65.6%60.2$1.1174k可能
5Gemini 3.1 Prohigh60.9%60.4$0.41034k可能
6GPT-5.4xhigh54.2%63.1$1.0368k可能
7Claude Opus 4.7xhigh40.6%57.0$2.1084k可能
8Claude Opus 4.6high34.5%62.5$2.3694k可能
9Gemini 3.5 Flashhigh32.3%62.5$0.30033k可能
10DeepSeek V4 Promax28.1%54.7$0.420120k可能
11DeepSeek V4 Flashmax27.1%56.8$0.050180k可能
12Gemini 3.6 Flash26.0%49.3$0.19026k可能
13Kimi K2.6high24.0%–$0.32081k可能
14Gemini 3 Pro23.4%60.0$0.28024k可能
15GLM 5.2max19.8%58.9$0.18043k可能
16Gemini 3 Flashhigh15.6%57.4$0.10035k可能
17Step 3.7 Flashhigh14.6%–$0.075249k可能
18Step 3.5 Flash13.5%56.3$0.045149k可能
19GPT-5.2high13.5%55.8$1.0071k可能
20GLM 5.111.5%55.4$0.27086k可能
21GLM-510.9%54.9$0.25078k可能
22DeepSeek V3.2 Speciale9.4%53.3$0.03173k可能
23Kimi K2.5high8.8%–$0.18061k可能
24Nemotron 3 Super7.8%44.0–101k可能
25Grok 4.1 Fastthinking5.2%55.3$0.01326k可能
26Grok 4 Fast R5.2%–$0.01123k可能
27Qwen3 235B 2507thinking5.2%–$0.05243k–
28Qwen3.5-35B-A3B4.2%49.9$0.08566k可能
29Grok 42.1%58.1$0.52034k–
30DeepSeek V3.2thinking2.1%56.7$0.01844k可能
31Qwen3.5-27B2.1%52.0$0.10062k可能
32Qwen3-4B-Instruct-2507thinking2.1%40.2$0.008028k–
33GPT 5 Agenthigh2.1%–$3.83376k–
34Claude Sonnet 4.5thinking1.6%52.3$0.38025k可能
35Qed Nano1.6%––92k可能
36GPT-5high1.0%58.2$0.46046k–
37GPT-5.1high1.0%57.5$0.55055k可能
38GPT-5 minihigh1.0%54.6$0.07035k–
39GLM-4.51.0%51.6$0.07634k–
40DeepSeek R1 05281.0%49.1$0.08237k–
41gpt-oss-120bhigh1.0%45.3$0.02745k–
42Gemini 2.5 Pro0.5%55.2$0.31031k–
43DeepSeek V3.1thinking0.5%52.4$0.07333k可能
44GLM-4.60.5%50.2$0.07032k可能
45Qwen3 30B A3B 2507thinking0.5%44.6$0.009031k–
46Qwen3.5-9B0.5%40.4$0.009059k可能
47Kimi K2 Thinkingthinking0.0%52.3$0.15058k可能

更多数学基准测试 · 全部大模型基准测试

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。