BenchLeader

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。

发布方
Epoch AI Benchmarking Hub
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。

289 / 289
#
1Gemini 4 Carbonhigh100.0%68.92026-11-10
2Claude Opus 5.5max100.0%68.42026-09-22
3GPT-6 Astramax100.0%67.32026-09-03
4Claude Fable 5.1max100.0%66.72026-09-01
5GPT-6.1 Solmax100.0%66.62026-09-29
6GPT-5.6 Solmax100.0%65.32026-07-09
7Gemini 4 Argonhigh100.0%65.32026-10-13
8Claude Sonnet 5.5max100.0%64.22026-09-28
9GPT-6.1 Terramax100.0%64.12026-10-26
10Claude Fable 5high100.0%63.92026-06-09
11GPT-6 Solmax100.0%62.62026-09-22
12Kimi K3.1 Pro Togethermax100.0%60.02026-10-23
13Qwen3.8 Maxxhigh100.0%56.62026-09-01
14GPT-5.5 Pre Releasexhigh100.0%–2026-04-23
15GPT-5.5 Pro Pre Releasexhigh100.0%–2026-04-23
16新Claude Fable 5.2max99.7%72.72026-11-09
17Claude Fable 5max99.7%65.12026-06-09
18GPT-5.6 Terramax99.7%59.52026-07-09
19Muse Wondermax99.4%60.82026-10-12
20DeepSeek V4.1 Flash 1017max99.4%57.72026-10-17
21Mistral Large 4.0 OSShigh99.4%–2026-10-29
22Muse Spark 1.3xhigh99.2%58.12026-09-02
23Grok 4.6xhigh99.2%56.12026-08-12
24Doubao Seed Evolvinghigh99.2%–2026-11-02
25Claude Opus 5max98.9%65.02026-07-24
26Gemini 3.8 Flashhigh98.9%59.42026-09-02
27Claude Haiku 5.5xhigh98.9%56.72026-10-07
28GPT-6 Lunamax98.9%55.12026-09-22
29DeepSeek V4 Promax98.6%54.72026-08-13
30Claude Opus 4.8max98.3%61.12026-05-28
31DeepSeek V4.1 Flashmax98.3%58.52026-09-09
32GPT-5.6 Lunamax98.3%56.22026-07-09
33Mistral Large 4high98.3%48.32026-10-06
34Muse Spark Open 816B A42Bxhigh98.1%58.12026-10-15
35Grok 4.7xhigh98.1%57.42026-09-21
36Claude Opus 4.7xhigh97.8%57.02026-04-16
37Claude Opus 597.8%63.22026-07-24
38Grok 4.6high97.8%60.62026-08-12
39GPT-5.4high97.8%58.62026-03-05
40Grok 4.5high97.8%56.82026-07-08
41Claude Fable 5low97.8%–2026-06-09
42Claude Opus 4.8low97.8%–2026-05-28
43Gemini 3.7 Flashhigh97.2%62.12026-08-13
44Kimi K3max97.2%60.22026-07-16
45Claude Haiku 5.5high97.2%55.32026-10-07
46GPT-5.2high96.1%55.82025-12-11
47Kimi K2.696.1%55.12026-04-20
48Doubao Seed 2.1 Turbo 260628high96.1%–2026-06-23
49GPT-5.2xhigh96.1%59.92025-12-11
50Gemini 3.1 Pro95.6%59.92026-02-19
51Gemini 3.5 Flashhigh95.6%62.52026-05-19
52Gemini 3.1 Prohigh95.6%60.42026-02-19
53GPT-5.6 Sollow95.6%60.22026-07-09
54Qwen3.7max95.6%60.02026-05-19
55Gemini 3 Flashhigh95.6%57.42025-12-17
56DeepSeek V4 Prohigh95.6%56.02026-04-24
57GPT-5.4medium95.6%54.52026-03-05
58Kimi K2.7 Code95.6%53.92026-06-12
59Doubao Seed 2.1 Pro 260628high95.6%–2026-06-23
60GPT-5.4xhigh95.3%63.12026-03-05

更多数学基准测试 · 全部大模型基准测试

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。