BrokenArXiv 排行榜
截至 2026年11月16日,BrokenArXiv 的最高分为 84.4%,由 Gemini 4 Carbon(Google)取得,领先于 GPT-6.1 Sol(83.1%)。共有 8 个模型配置公布了结果(MathArena)。将近期 arXiv 论文中的命题稍加改动使其不成立,模型指出问题而不是去“证明”才得分。MathArena。仅供参考:参测模型尚少。BrokenArXiv 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 84.4% 保持 BrokenArXiv 最高分(MathArena,2026年11月16日)。
- GPT-6.1 Sol 以 83.1% 位列 BrokenArXiv 第二(MathArena,2026年11月16日)。
- BrokenArXiv:将近期 arXiv 论文中的命题稍加改动使其不成立,模型指出问题而不是去“证明”才得分。MathArena。仅供参考:参测模型尚少(MathArena)。
- BenchLeader 上有 8 个模型配置公布了 BrokenArXiv 结果(BenchLeader,2026年11月16日)。
- BrokenArXiv 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
将近期 arXiv 论文中的命题稍加改动使其不成立,模型指出问题而不是去“证明”才得分。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.
- 1Gemini 4 Carbon (high)84.4%
- 2GPT-6.1 Sol (max)83.1%
- 3Claude Opus 5.5 (high)77.3%
- 4Inkling 2 Small63.2%
- 5Kimi K3.1 Pro (max)61.9%
- 6DeepSeek V4.1 Flash 1017 (max)48.7%
- 7Gemini 4 Argon (high)47.9%
- 8Muse Spark Open (xhigh)30.1%
8 / 8
| # | |||||
|---|---|---|---|---|---|
| 1 | 84.4% | 68.9 | $16.35 | 540k | |
| 2 | 83.1% | 66.6 | $1.14 | 80k | |
| 3 | 77.3% | 66.0 | $2.66 | 86k | |
| 4 | 63.2% | 57.9 | $0.220 | 128k | |
| 5 | 61.9% | 59.9 | $2.35 | 125k | |
| 6 | 48.7% | 57.7 | $0.290 | 184k | |
| 7 | 47.9% | 65.3 | $9.55 | 524k | |
| 8 | 30.1% | 53.5 | $0.450 | 56k |
相关基准测试
BrokenArXiv 上的热门模型对比
引用格式:BenchLeader,《BrokenArXiv 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/matharena_brokenarxiv。
BrokenArXiv:常见问题
- BrokenArXiv 衡量的是什么?
- 将近期 arXiv 论文中的命题稍加改动使其不成立,模型指出问题而不是去“证明”才得分。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。
- BrokenArXiv 的最高分是多少?
- 截至 2026年11月16日,BrokenArXiv 的最高分为 84.4%,由 Gemini 4 Carbon 取得,领先于 GPT-6.1 Sol(83.1%)。分数来自 MathArena,每天重新读取。
- 哪个 AI 模型在 BrokenArXiv 上领先?
- 截至 2026年11月16日,BrokenArXiv 排名第一的是 Gemini 4 Carbon,分数为 84.4%。其后为 GPT-6.1 Sol(83.1%)。
- 有多少模型有 BrokenArXiv 结果?
- BenchLeader 上有 8 个模型配置有 BrokenArXiv 结果,全部取自 MathArena。
- BrokenArXiv 由谁运行,多久更新一次?
- BrokenArXiv 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。
- BrokenArXiv 是否计入 BenchLeader Index?
- 不计入。BrokenArXiv 仅作参考展示,不计入综合分数。