BenchLeader

AIME (Vals) 排行榜

截至 2026年11月16日,AIME (Vals) 的最高分为 98.1%,由 Gemini 3.1 Pro(Google)取得,领先于 Muse Spark(96.9%)。共有 94 个模型配置公布了结果(Vals AI,结果日期 2026年4月16日)。近年的 AIME 竞赛试卷,由 Vals AI 运行,并记录每次运行所用的推理强度。AIME 的答案是 0 到 999 之间的整数。AIME (Vals) 计入 BenchLeader Index 的数学得分。

要点(截至 2026年11月16日)

  • Gemini 3.1 Pro 以 98.1% 保持 AIME (Vals) 最高分(Vals AI,2026年4月16日)。
  • Muse Spark 以 96.9% 位列 AIME (Vals) 第二(Vals AI,2026年4月16日)。
  • AIME (Vals):近期的 AIME 题目,由 Vals AI 在注明的推理强度下运行(Vals AI)。
  • BenchLeader 上有 94 个模型配置公布了 AIME (Vals) 结果(BenchLeader,2026年11月16日)。
  • AIME (Vals) 计入 BenchLeader Index 的数学类别(BenchLeader 方法论)。

近期的 AIME 题目,由 Vals AI 在注明的推理强度下运行。

发布方
Vals AI
类别
数学
Index 权重
0.5
模型
94
数据截至
2026年11月16日

Vals AI (vals.ai).

测试内容

近年的 AIME 竞赛试卷,由 Vals AI 运行,并记录每次运行所用的推理强度。AIME 的答案是 0 到 999 之间的整数。

评分方式

答对题目的百分比。

注意事项

每年只有 30 道题,每道题价值超过三分。试卷在考试后不久就会公开,较新的模型可能见过。

94 / 94
#
1Gemini 3.1 Prohigh98.1%60.4$0.1272026-04-16
2Muse Spark96.9%64.2$0.00462026-04-16
3GPT-5.2xhigh96.9%59.9$0.1352026-04-16
4Gemini 3 Prohigh96.7%60.0$0.1692026-04-16
5GPT-5.4xhigh96.7%63.1$0.1382026-04-16
6Grok 4.20thinking96.5%58.3$0.0592026-04-16
7Claude Opus 4.796.3%63.1$0.4512026-04-16
8Kimi K2.5thinking95.6%59.4$0.0642026-04-16
9Gemini 3 Flashhigh95.6%57.4$0.0462026-04-16
10GPT-5.4 Minixhigh95.6%55.1$0.1292026-04-16
11Claude Opus 4.6thinking95.6%–$0.3442026-04-16
12Claude Opus 4.5thinking95.4%59.3$1.322026-04-16
13Qwen3.6 Plus94.6%59.0$0.0942026-04-16
14GPT-5high93.4%58.2$0.0932026-04-16
15GPT-5.1high93.3%57.5$0.1502026-04-16
16GLM 4.793.3%51.7$0.0432026-04-16
17GLM-4.692.7%50.2$0.1162026-04-16
18gpt-oss-120b92.6%46.1$0.0102026-04-16
19Qwen3.5 Flash92.5%51.8$0.0112026-04-16
20Claude Sonnet 4.692.3%57.6$0.4362026-04-16
21GLM 5.191.9%55.4$0.0712026-04-16
22Grok 4.1 Fastthinking91.9%55.3$0.00412026-04-16
23GLM-5thinking91.7%60.2$0.0702026-04-16
24GPT-5 minihigh91.5%54.6$0.0232026-04-16
25Grok 4 Fastthinking91.3%51.6$0.00432026-04-16
26MiniMax M2.791.0%56.6$0.0232026-04-16
27Grok 490.6%58.1$0.1742026-04-16
28MiniMax M2.588.8%53.7$0.0412026-04-16
29GPT-5.4 Nanohigh88.8%48.3$0.00342026-04-16
30Claude Sonnet 4.5thinking88.2%52.3$0.2672026-04-16
31GLM-4.586.7%51.6$0.0472026-04-16
32o3-minihigh86.5%47.9$0.0512026-04-16
33Qwen3.5 Plusthinking86.0%57.4$0.0452026-04-16
34gpt-oss-20b86.0%44.5$0.0112026-04-16
35Gemini 2.5 Pro85.8%55.2$0.0272026-04-16
36Kimi K2 Thinkingthinking85.4%52.3$0.0452026-04-16
37o3high85.3%55.1$0.0602026-04-16
38Grok 3 Mini Fasthigh85.0%53.7$0.00832026-04-16
39DeepSeek V3.2high84.6%54.2$0.00442026-04-16
40Qwen3 235B A22B84.0%50.1$0.0122026-04-16
41o4-minihigh83.7%51.2$0.0262026-04-16
42Magistral Medium 1.283.5%43.7$0.0872026-04-16
43Gemini 3.1 Flash Litehigh83.3%48.4$0.00702026-04-16
44Claude Haiku 4.5thinking82.7%45.7$0.1742026-04-16
45GPT-5 nanohigh81.2%47.4$0.00892026-04-16
46Qwen3 Maxmax81.0%54.2$0.0332026-04-16
47Magistral Small 1.280.7%39.8$0.0252026-04-16
48Claude Opus 4.1thinking78.2%58.1$0.8602026-04-16
49MiniMax-M2.177.9%53.8$0.0242026-04-16
50Claude Opus 4.576.9%57.1$0.0892026-04-16
51Claude Sonnet 4thinking76.3%53.8$0.2952026-04-16
52DeepSeek R174.0%47.2$0.0532026-04-16
53o1high71.5%49.5$0.6592026-04-16
54Grok 3 Mini Fastlow70.6%50.7$0.00292026-04-16
55DeepSeek V3.2无推理64.8%52.1$0.00142026-04-16
56Kimi K262.7%51.1$0.0132026-04-16
57Grok 358.8%50.9$0.0912026-04-16
58Langston Nim Nvidia Llama 3.3 Nemotron Super 49B v1 42e84561thinking53.5%––2026-04-16
59DeepSeek V3 032452.2%46.9$0.00322026-04-16
60Gemini 2.5 Flash 09 2025thinking51.5%52.8$0.00502026-04-16

更多数学基准测试 · 全部大模型基准测试

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

AIME (Vals):常见问题

AIME (Vals) 衡量的是什么?
近年的 AIME 竞赛试卷,由 Vals AI 运行,并记录每次运行所用的推理强度。AIME 的答案是 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。
AIME (Vals) 的最高分是多少?
截至 2026年11月16日,AIME (Vals) 的最高分为 98.1%,由 Gemini 3.1 Pro 取得(结果日期 2026年4月16日),领先于 Muse Spark(96.9%)。分数来自 Vals AI,每天重新读取。
哪个 AI 模型在 AIME (Vals) 上领先?
截至 2026年11月16日,AIME (Vals) 排名第一的是 Gemini 3.1 Pro,分数为 98.1%(结果日期 2026年4月16日)。其后为 Muse Spark(96.9%)。
有多少模型有 AIME (Vals) 结果?
BenchLeader 上有 94 个模型配置有 AIME (Vals) 结果,全部取自 Vals AI。
AIME (Vals) 由谁运行,多久更新一次?
AIME (Vals) 由 Vals AI 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。
AIME (Vals) 是否计入 BenchLeader Index?
计入。AIME (Vals) 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。