BenchLeader

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。

58 / 58
#
1Gemini 3 Prohigh96.4%60.0$0.0512026-01-09
2Grok 496.2%58.1$0.0372026-01-09
3GPT-5high96.0%58.2$0.0202026-01-09
4Claude Opus 4.1thinking95.4%58.1$0.2022026-01-09
5Gemini 2.5 Pro95.2%55.2$0.00792026-01-09
6GPT-5 minihigh94.8%54.6$0.00372026-01-09
7gpt-oss-120b94.8%46.1$0.00142026-01-09
8o3high94.6%55.1$0.0112026-01-09
9Qwen3 235B A22B94.6%50.1$0.00342026-01-09
10Grok 3 Mini Fasthigh94.2%53.7$0.00192026-01-09
11o4-minihigh94.2%51.2$0.00482026-01-09
12Kimi K294.2%51.1$0.00302026-01-09
13gpt-oss-20b94.2%44.5$0.00102026-01-09
14GLM-4.594.0%51.6$0.0132026-01-09
15Claude Sonnet 4thinking93.8%53.8$0.0682026-01-09
16GPT-5 nanohigh93.8%47.4$0.00172026-01-09
17Claude Opus 4.193.0%51.1$0.0462026-01-09
18DeepSeek R192.2%47.2$0.0112026-01-09
19Gemini 2.5 Flashthinking91.8%49.0$0.0112026-01-09
20o3-minihigh91.8%47.9$0.00772026-01-09
21Claude 3.7 Sonnetthinking91.6%52.9$0.1252026-01-09
22Gemini 2.5 Flash91.6%52.4$0.00652026-01-09
23Langston Nim Nvidia Llama 3.3 Nemotron Super 49B v1 42e84561thinking91.4%––2026-01-09
24Claude Opus 490.4%51.9$0.0452026-01-09
25o1high90.4%49.5$0.0952026-01-09
26Claude Sonnet 490.3%50.0$0.0102026-01-09
27Grok 389.8%50.9$0.0132026-01-09
28MiniMax-M2.189.0%53.8$0.00462026-01-09
29Gemini 2.0 Flash89.0%43.5$0.00022026-01-09
30DeepSeek V3 032488.6%46.9$0.00072026-01-09
31GPT-4.1 minihigh88.0%46.3$0.00122026-01-09
32GPT-4.1high87.2%46.6$0.00942026-01-09
33Mistral Medium 387.0%44.3$0.00182026-01-09
34Llama 4 Maverick85.2%41.8$0.00062026-01-09
35Gemini 2.0 Flash Thinkingthinking84.6%45.1$0.00042026-01-09
36Gemini 1.5 Pro 00282.8%41.4$0.00222026-01-09
37DeepSeek V380.4%44.3$0.00062026-01-09
38GPT-4.1 nanohigh80.2%32.1$0.00032026-01-09
39Llama 4 Scout79.2%38.2$0.00042026-01-09
40Gemini 1.5 Flash 00278.8%38.2$0.00012026-01-09
41Grok 278.4%42.3$0.00632026-01-09
42Claude 3.7 Sonnet76.8%49.2$0.00692026-01-09
43Command A76.2%42.1$0.00602026-01-09
44GPT-4ohigh75.2%41.6$0.00562026-01-09
45Mistral Large 2.174.4%42.5$0.00332026-01-09
46Llama 3.3 70B73.4%39.9$0.00072026-01-09
47GPT-4o minihigh72.6%33.5$0.00032026-01-09
48Claude 3.5 Sonnet72.4%46.8$0.00502026-01-09
49Llama Meta Llama 3.1 405B Turbo71.4%–$0.00302026-01-09
50Langston Nim Nvidia Llama 3.3 Nemotron Super 49B v171.2%––2026-01-09
51Mistral Small 240270.6%30.1$0.00032026-01-09
52Grok 3 Mini Fastlow70.2%50.7$0.00092026-01-09
53Mistral Small 3.168.4%38.4$0.00022026-01-09
54Llama Meta Llama 3.1 70B Turbo65.0%–$0.00102026-01-09
55Claude 3.5 Haiku64.2%38.7$0.00152026-01-09
56Jamba Large 1.654.8%25.8$0.00402026-01-09
57Llama Meta Llama 3.1 8B Turbo44.4%–$0.00042026-01-09
58Jamba Mini 1.625.4%21.7$0.00032026-01-09

更多数学基准测试 · 全部大模型基准测试

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。