BenchLeader

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.

8 / 8
#
1Gemini 4 Carbonhigh84.4%68.9$16.35540k
2GPT-6.1 Solmax83.1%66.6$1.1480k
3Claude Opus 5.5high77.3%66.0$2.6686k
4Inkling 2 Small63.2%57.9$0.220128k
5Kimi K3.1 Promax61.9%59.9$2.35125k
6DeepSeek V4.1 Flash 1017max48.7%57.7$0.290184k
7Gemini 4 Argonhigh47.9%65.3$9.55524k
8Muse Spark Openxhigh30.1%53.5$0.45056k

更多数学基准测试 · 全部大模型基准测试

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。