BenchLeader

ArXivMath 排行榜

截至 2026年11月16日,ArXivMath 的最高分为 94.3%,由 Gemini 4 Carbon(Google)取得,领先于 GPT-6.1 Sol(92.8%)。共有 8 个模型配置公布了结果(MathArena)。取自近几个月 arXiv 论文的研究级数学问题,只需给出最终答案,每月更新;Overall 表汇总当前各月的题集。MathArena。仅供参考:参测模型尚少。ArXivMath 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Gemini 4 Carbon 以 94.3% 保持 ArXivMath 最高分(MathArena,2026年11月16日)。
  • GPT-6.1 Sol 以 92.8% 位列 ArXivMath 第二(MathArena,2026年11月16日)。
  • ArXivMath:取自近几个月 arXiv 论文的研究级数学问题,只需给出最终答案,每月更新;Overall 表汇总当前各月的题集。MathArena。仅供参考:参测模型尚少(MathArena)。
  • BenchLeader 上有 8 个模型配置公布了 ArXivMath 结果(BenchLeader,2026年11月16日)。
  • ArXivMath 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

取自近几个月 arXiv 论文的研究级数学问题,只需给出最终答案,每月更新;Overall 表汇总当前各月的题集。MathArena。仅供参考:参测模型尚少。

发布方
MathArena
类别
数学
Index 权重
仅作参考
模型
8
数据截至
2026年11月16日

MIT — eth-sri/matharena.

8 / 8
#
1Gemini 4 Carbonhigh94.3%68.9$5.08203k
2GPT-6.1 Solmax92.8%66.6$0.96064k
3Gemini 4 Argonhigh84.4%65.3$3.74182k
4Claude Opus 5.5high82.6%66.0$1.9352k
5Kimi K3.1 Promax58.3%59.9$2.94103k
6DeepSeek V4.1 Flash 1017max42.5%57.7$0.330179k
7Inkling 2 Small31.9%57.9$0.600216k
8Muse Spark Openxhigh27.0%53.5$1.0386k

更多数学基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《ArXivMath 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/matharena_arxivmath。

ArXivMath:常见问题

ArXivMath 衡量的是什么?
取自近几个月 arXiv 论文的研究级数学问题,只需给出最终答案,每月更新;Overall 表汇总当前各月的题集。MathArena。仅供参考:参测模型尚少。分数以完成任务的百分比表示,越高越好。
ArXivMath 的最高分是多少?
截至 2026年11月16日,ArXivMath 的最高分为 94.3%,由 Gemini 4 Carbon 取得,领先于 GPT-6.1 Sol(92.8%)。分数来自 MathArena,每天重新读取。
哪个 AI 模型在 ArXivMath 上领先?
截至 2026年11月16日,ArXivMath 排名第一的是 Gemini 4 Carbon,分数为 94.3%。其后为 GPT-6.1 Sol(92.8%)。
有多少模型有 ArXivMath 结果?
BenchLeader 上有 8 个模型配置有 ArXivMath 结果,全部取自 MathArena。
ArXivMath 由谁运行,多久更新一次?
ArXivMath 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。
ArXivMath 是否计入 BenchLeader Index?
不计入。ArXivMath 仅作参考展示,不计入综合分数。