MATH 500 排行榜
截至 2026年11月16日,MATH 500 的最高分为 96.4%,由 Gemini 3 Pro(Google)取得,领先于 Grok 4(96.2%)。共有 58 个模型配置公布了结果(Vals AI,结果日期 2026年1月9日)。MATH 500 是 MATH 竞赛数据集中的 500 题子集,涵盖代数、计数、几何和数论,每题都有简短的精确答案。MATH 500 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Gemini 3 Pro 以 96.4% 保持 MATH 500 最高分(Vals AI,2026年1月9日)。
- Grok 4 以 96.2% 位列 MATH 500 第二(Vals AI,2026年1月9日)。
- MATH 500:代数、概率和三角方面的 500 道竞赛题。由 Vals AI 运行(Vals AI)。
- BenchLeader 上有 58 个模型配置公布了 MATH 500 结果(BenchLeader,2026年11月16日)。
- MATH 500 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
代数、概率和三角方面的 500 道竞赛题。由 Vals AI 运行。
- 发布方
- Vals AI
- 类别
- 数学
- Index 权重
- 仅作参考
- 模型
- 58
- 数据截至
- 2026年11月16日
Vals AI (vals.ai).
测试内容
MATH 500 是 MATH 竞赛数据集中的 500 题子集,涵盖代数、计数、几何和数论,每题都有简短的精确答案。
评分方式
准确率,由 Vals AI 在标明的推理强度下运行。
注意事项
前沿模型的得分超过 95%,所以它更多用于区分较小的模型而非领先者,而且数据集是公开的。
- 1Gemini 3 Pro (high)96.4%
- 2Grok 496.2%
- 3GPT-5 (high)96.0%
- 4Claude Opus 4.1 (thinking)95.4%
- 5Gemini 2.5 Pro95.2%
- 6GPT-5 mini (high)94.8%
- 7gpt-oss-120b94.8%
- 8o3 (high)94.6%
- 9Qwen3 235B A22B94.6%
- 10Grok 3 Mini Fast (high)94.2%
- 11o4-mini (high)94.2%
- 12Kimi K294.2%
- 13gpt-oss-20b94.2%
- 14GLM-4.594.0%
- 15Claude Sonnet 4 (thinking)93.8%
58 / 58
| # | |||||
|---|---|---|---|---|---|
| 1 | 96.4% | 60.0 | $0.051 | 2026-01-09 | |
| 2 | 96.2% | 58.1 | $0.037 | 2026-01-09 | |
| 3 | 96.0% | 58.2 | $0.020 | 2026-01-09 | |
| 4 | 95.4% | 58.1 | $0.202 | 2026-01-09 | |
| 5 | 95.2% | 55.2 | $0.0079 | 2026-01-09 | |
| 6 | 94.8% | 54.6 | $0.0037 | 2026-01-09 | |
| 7 | 94.8% | 46.1 | $0.0014 | 2026-01-09 | |
| 8 | 94.6% | 55.1 | $0.011 | 2026-01-09 | |
| 9 | 94.6% | 50.1 | $0.0034 | 2026-01-09 | |
| 10 | 94.2% | 53.7 | $0.0019 | 2026-01-09 | |
| 11 | 94.2% | 51.2 | $0.0048 | 2026-01-09 | |
| 12 | 94.2% | 51.1 | $0.0030 | 2026-01-09 | |
| 13 | 94.2% | 44.5 | $0.0010 | 2026-01-09 | |
| 14 | 94.0% | 51.6 | $0.013 | 2026-01-09 | |
| 15 | 93.8% | 53.8 | $0.068 | 2026-01-09 | |
| 16 | 93.8% | 47.4 | $0.0017 | 2026-01-09 | |
| 17 | 93.0% | 51.1 | $0.046 | 2026-01-09 | |
| 18 | 92.2% | 47.2 | $0.011 | 2026-01-09 | |
| 19 | 91.8% | 49.0 | $0.011 | 2026-01-09 | |
| 20 | 91.8% | 47.9 | $0.0077 | 2026-01-09 | |
| 21 | 91.6% | 52.9 | $0.125 | 2026-01-09 | |
| 22 | 91.6% | 52.4 | $0.0065 | 2026-01-09 | |
| 23 | 91.4% | – | – | 2026-01-09 | |
| 24 | 90.4% | 51.9 | $0.045 | 2026-01-09 | |
| 25 | 90.4% | 49.5 | $0.095 | 2026-01-09 | |
| 26 | 90.3% | 50.0 | $0.010 | 2026-01-09 | |
| 27 | 89.8% | 50.9 | $0.013 | 2026-01-09 | |
| 28 | 89.0% | 53.8 | $0.0046 | 2026-01-09 | |
| 29 | 89.0% | 43.5 | $0.0002 | 2026-01-09 | |
| 30 | 88.6% | 46.9 | $0.0007 | 2026-01-09 | |
| 31 | 88.0% | 46.3 | $0.0012 | 2026-01-09 | |
| 32 | 87.2% | 46.6 | $0.0094 | 2026-01-09 | |
| 33 | 87.0% | 44.3 | $0.0018 | 2026-01-09 | |
| 34 | 85.2% | 41.8 | $0.0006 | 2026-01-09 | |
| 35 | 84.6% | 45.1 | $0.0004 | 2026-01-09 | |
| 36 | 82.8% | 41.4 | $0.0022 | 2026-01-09 | |
| 37 | 80.4% | 44.3 | $0.0006 | 2026-01-09 | |
| 38 | 80.2% | 32.1 | $0.0003 | 2026-01-09 | |
| 39 | 79.2% | 38.2 | $0.0004 | 2026-01-09 | |
| 40 | 78.8% | 38.2 | $0.0001 | 2026-01-09 | |
| 41 | 78.4% | 42.3 | $0.0063 | 2026-01-09 | |
| 42 | 76.8% | 49.2 | $0.0069 | 2026-01-09 | |
| 43 | 76.2% | 42.1 | $0.0060 | 2026-01-09 | |
| 44 | 75.2% | 41.6 | $0.0056 | 2026-01-09 | |
| 45 | 74.4% | 42.5 | $0.0033 | 2026-01-09 | |
| 46 | 73.4% | 39.9 | $0.0007 | 2026-01-09 | |
| 47 | 72.6% | 33.5 | $0.0003 | 2026-01-09 | |
| 48 | 72.4% | 46.8 | $0.0050 | 2026-01-09 | |
| 49 | 71.4% | – | $0.0030 | 2026-01-09 | |
| 50 | 71.2% | – | – | 2026-01-09 | |
| 51 | 70.6% | 30.1 | $0.0003 | 2026-01-09 | |
| 52 | 70.2% | 50.7 | $0.0009 | 2026-01-09 | |
| 53 | 68.4% | 38.4 | $0.0002 | 2026-01-09 | |
| 54 | 65.0% | – | $0.0010 | 2026-01-09 | |
| 55 | 64.2% | 38.7 | $0.0015 | 2026-01-09 | |
| 56 | 54.8% | 25.8 | $0.0040 | 2026-01-09 | |
| 57 | 44.4% | – | $0.0004 | 2026-01-09 | |
| 58 | 25.4% | 21.7 | $0.0003 | 2026-01-09 |
相关基准测试
MATH 500 上的热门模型对比
引用格式:BenchLeader,《MATH 500 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_math500。
MATH 500:常见问题
- MATH 500 衡量的是什么?
- MATH 500 是 MATH 竞赛数据集中的 500 题子集,涵盖代数、计数、几何和数论,每题都有简短的精确答案。分数以完成任务的百分比表示,越高越好。
- MATH 500 的最高分是多少?
- 截至 2026年11月16日,MATH 500 的最高分为 96.4%,由 Gemini 3 Pro 取得(结果日期 2026年1月9日),领先于 Grok 4(96.2%)。分数来自 Vals AI,每天重新读取。
- 哪个 AI 模型在 MATH 500 上领先?
- 截至 2026年11月16日,MATH 500 排名第一的是 Gemini 3 Pro,分数为 96.4%(结果日期 2026年1月9日)。其后为 Grok 4(96.2%)。
- 有多少模型有 MATH 500 结果?
- BenchLeader 上有 58 个模型配置有 MATH 500 结果,全部取自 Vals AI。
- MATH 500 由谁运行,多久更新一次?
- MATH 500 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。
- MATH 500 是否计入 BenchLeader Index?
- 不计入。MATH 500 仅作参考展示,不计入综合分数。