OTIS Mock AIME 排行榜
截至 2026年11月16日,OTIS Mock AIME 的最高分为 100.0%,由 Gemini 4 Carbon、Claude Opus 5.5、GPT-6 Astra、Claude Fable 5.1、GPT-6.1 Sol 等 15 个模型 并列取得。共有 289 个模型配置公布了结果(Epoch AI Benchmarking Hub,结果日期 2026年11月10日)。由 Evan Chen 的 OTIS 项目为 2024 和 2025 赛季编写的 AIME 模拟卷:仿照美国数学邀请赛(AIME)风格的十五题竞赛卷,每题答案都是 0 到 999 之间的整数。OTIS Mock AIME 计入 BenchLeader Index 的数学得分。
要点(截至 2026年11月16日)
- Gemini 4 Carbon、Claude Opus 5.5、GPT-6 Astra、Claude Fable 5.1、GPT-6.1 Sol 等 15 个模型 以 100.0% 并列 OTIS Mock AIME 最高分(Epoch AI Benchmarking Hub,2026年11月16日)。
- OTIS Mock AIME:2024–2025 年的模拟 AIME 数学竞赛题。由 Epoch AI 运行(Epoch AI Benchmarking Hub)。
- BenchLeader 上有 289 个模型配置公布了 OTIS Mock AIME 结果(BenchLeader,2026年11月16日)。
- OTIS Mock AIME 计入 BenchLeader Index 的数学类别(BenchLeader 方法论)。
2024–2025 年的模拟 AIME 数学竞赛题。由 Epoch AI 运行。
- 类别
- 数学
- Index 权重
- 0.5
- 模型
- 289
- 数据截至
- 2026年11月16日
- 最新结果
- 2026年11月10日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
由 Evan Chen 的 OTIS 项目为 2024 和 2025 赛季编写的 AIME 模拟卷:仿照美国数学邀请赛(AIME)风格的十五题竞赛卷,每题答案都是 0 到 999 之间的整数。
评分方式
各套试卷中答对题目的百分比,由 Epoch AI 用固定提示词运行,每题多次尝试。
注意事项
这些题目是为人类编写的,但已公开,较新的模型可能见过。竞赛数学奖励的是某种寻找技巧的能力;在这里得分高,未必能迁移到证明或应用问题上。
- 1Gemini 4 Carbon (high)100.0%
- 2Claude Opus 5.5 (max)100.0%
- 3GPT-6 Astra (max)100.0%
- 4Claude Fable 5.1 (max)100.0%
- 5GPT-6.1 Sol (max)100.0%
- 6GPT-5.6 Sol (max)100.0%
- 7Gemini 4 Argon (high)100.0%
- 8Claude Sonnet 5.5 (max)100.0%
- 9GPT-6.1 Terra (max)100.0%
- 10Claude Fable 5 (high)100.0%
- 11GPT-6 Sol (max)100.0%
- 12Kimi K3.1 Pro Together (max)100.0%
- 13Qwen3.8 Max (xhigh)100.0%
- 14GPT-5.5 Pre Release (xhigh)100.0%
- 15GPT-5.5 Pro Pre Release (xhigh)100.0%
| # | ||||
|---|---|---|---|---|
| 1 | 100.0% | 68.9 | 2026-11-10 | |
| 2 | 100.0% | 68.4 | 2026-09-22 | |
| 3 | 100.0% | 67.3 | 2026-09-03 | |
| 4 | 100.0% | 66.7 | 2026-09-01 | |
| 5 | 100.0% | 66.6 | 2026-09-29 | |
| 6 | 100.0% | 65.3 | 2026-07-09 | |
| 7 | 100.0% | 65.3 | 2026-10-13 | |
| 8 | 100.0% | 64.2 | 2026-09-28 | |
| 9 | 100.0% | 64.1 | 2026-10-26 | |
| 10 | 100.0% | 63.9 | 2026-06-09 | |
| 11 | 100.0% | 62.6 | 2026-09-22 | |
| 12 | 100.0% | 60.0 | 2026-10-23 | |
| 13 | 100.0% | 56.6 | 2026-09-01 | |
| 14 | 100.0% | – | 2026-04-23 | |
| 15 | 100.0% | – | 2026-04-23 | |
| 16 | 新 | 99.7% | 72.7 | 2026-11-09 |
| 17 | 99.7% | 65.1 | 2026-06-09 | |
| 18 | 99.7% | 59.5 | 2026-07-09 | |
| 19 | 99.4% | 60.8 | 2026-10-12 | |
| 20 | 99.4% | 57.7 | 2026-10-17 | |
| 21 | 99.4% | – | 2026-10-29 | |
| 22 | 99.2% | 58.1 | 2026-09-02 | |
| 23 | 99.2% | 56.1 | 2026-08-12 | |
| 24 | 99.2% | – | 2026-11-02 | |
| 25 | 98.9% | 65.0 | 2026-07-24 | |
| 26 | 98.9% | 59.4 | 2026-09-02 | |
| 27 | 98.9% | 56.7 | 2026-10-07 | |
| 28 | 98.9% | 55.1 | 2026-09-22 | |
| 29 | 98.6% | 54.7 | 2026-08-13 | |
| 30 | 98.3% | 61.1 | 2026-05-28 | |
| 31 | 98.3% | 58.5 | 2026-09-09 | |
| 32 | 98.3% | 56.2 | 2026-07-09 | |
| 33 | 98.3% | 48.3 | 2026-10-06 | |
| 34 | 98.1% | 58.1 | 2026-10-15 | |
| 35 | 98.1% | 57.4 | 2026-09-21 | |
| 36 | 97.8% | 57.0 | 2026-04-16 | |
| 37 | 97.8% | 63.2 | 2026-07-24 | |
| 38 | 97.8% | 60.6 | 2026-08-12 | |
| 39 | 97.8% | 58.6 | 2026-03-05 | |
| 40 | 97.8% | 56.8 | 2026-07-08 | |
| 41 | 97.8% | – | 2026-06-09 | |
| 42 | 97.8% | – | 2026-05-28 | |
| 43 | 97.2% | 62.1 | 2026-08-13 | |
| 44 | 97.2% | 60.2 | 2026-07-16 | |
| 45 | 97.2% | 55.3 | 2026-10-07 | |
| 46 | 96.1% | 55.8 | 2025-12-11 | |
| 47 | 96.1% | 55.1 | 2026-04-20 | |
| 48 | 96.1% | – | 2026-06-23 | |
| 49 | 96.1% | 59.9 | 2025-12-11 | |
| 50 | 95.6% | 59.9 | 2026-02-19 | |
| 51 | 95.6% | 62.5 | 2026-05-19 | |
| 52 | 95.6% | 60.4 | 2026-02-19 | |
| 53 | 95.6% | 60.2 | 2026-07-09 | |
| 54 | 95.6% | 60.0 | 2026-05-19 | |
| 55 | 95.6% | 57.4 | 2025-12-17 | |
| 56 | 95.6% | 56.0 | 2026-04-24 | |
| 57 | 95.6% | 54.5 | 2026-03-05 | |
| 58 | 95.6% | 53.9 | 2026-06-12 | |
| 59 | 95.6% | – | 2026-06-23 | |
| 60 | 95.3% | 63.1 | 2026-03-05 |
相关基准测试
OTIS Mock AIME 上的热门模型对比
引用格式:BenchLeader,《OTIS Mock AIME 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/otis_mock_aime。
OTIS Mock AIME:常见问题
- OTIS Mock AIME 衡量的是什么?
- 由 Evan Chen 的 OTIS 项目为 2024 和 2025 赛季编写的 AIME 模拟卷:仿照美国数学邀请赛(AIME)风格的十五题竞赛卷,每题答案都是 0 到 999 之间的整数。分数以完成任务的百分比表示,越高越好。
- OTIS Mock AIME 的最高分是多少?
- 截至 2026年11月16日,OTIS Mock AIME 的最高分为 100.0%,由 Gemini 4 Carbon、Claude Opus 5.5、GPT-6 Astra、Claude Fable 5.1、GPT-6.1 Sol 等 15 个模型 并列取得。分数来自 Epoch AI Benchmarking Hub,每天重新读取。
- 哪个 AI 模型在 OTIS Mock AIME 上领先?
- 截至 2026年11月16日,Gemini 4 Carbon、Claude Opus 5.5、GPT-6 Astra、Claude Fable 5.1、GPT-6.1 Sol 等 15 个模型 以 100.0% 并列 OTIS Mock AIME 第一。
- 有多少模型有 OTIS Mock AIME 结果?
- BenchLeader 上有 289 个模型配置有 OTIS Mock AIME 结果,全部取自 Epoch AI Benchmarking Hub。
- OTIS Mock AIME 由谁运行,多久更新一次?
- OTIS Mock AIME 由 Epoch AI Benchmarking Hub 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。
- OTIS Mock AIME 是否计入 BenchLeader Index?
- 计入。OTIS Mock AIME 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。