MGSM 排行榜
截至 2026年11月16日,MGSM 的最高分为 95.2%,由 Claude Opus 4.5(Anthropic)取得,领先于 Claude Opus 4.1(94.4%)。共有 73 个模型配置公布了结果(Vals AI,结果日期 2026年1月9日)。MGSM 把小学数学应用题翻译成十种语言,测试推理能力在英语之外是否依然可靠。MGSM 计入 BenchLeader Index 的数学得分。
要点(截至 2026年11月16日)
- Claude Opus 4.5 以 95.2% 保持 MGSM 最高分(Vals AI,2026年1月9日)。
- Claude Opus 4.1 以 94.4% 位列 MGSM 第二(Vals AI,2026年1月9日)。
- MGSM:十种语言的小学数学题。由 Vals AI 运行(Vals AI)。
- BenchLeader 上有 73 个模型配置公布了 MGSM 结果(BenchLeader,2026年11月16日)。
- MGSM 计入 BenchLeader Index 的数学类别(BenchLeader 方法论)。
十种语言的小学数学题。由 Vals AI 运行。
- 发布方
- Vals AI
- 类别
- 数学
- Index 权重
- 0.5
- 模型
- 73
- 数据截至
- 2026年11月16日
Vals AI (vals.ai).
测试内容
MGSM 把小学数学应用题翻译成十种语言,测试推理能力在英语之外是否依然可靠。
评分方式
各语言准确率的平均值,由 Vals AI 运行。
注意事项
这些题目对前沿模型来说很简单,所以分数主要反映语言覆盖;在英语上已经饱和。
- 1Claude Opus 4.5 (thinking)95.2%
- 2Claude Opus 4.594.8%
- 3Claude Opus 4.1 (thinking)94.4%
- 4Claude Sonnet 4.5 (thinking)94.3%
- 5Claude Opus 4.194.2%
- 6GPT-5.2 (xhigh)94.0%
- 7Gemini 3 Pro (high)93.9%
- 8Claude Opus 493.8%
- 9o4-mini (high)93.4%
- 10Gemini 3 Flash (high)93.3%
- 11Claude Sonnet 493.0%
- 12GPT-5.1 (high)93.0%
- 13Claude 3.7 Sonnet (thinking)93.0%
- 14GPT-5 (high)92.8%
- 15GPT-5 mini (high)92.6%
73 / 73
| # | |||||
|---|---|---|---|---|---|
| 1 | 95.2% | 59.3 | $0.063 | 2026-01-09 | |
| 2 | 94.8% | 57.1 | $0.027 | 2026-01-09 | |
| 3 | 94.4% | 58.1 | $0.055 | 2026-01-09 | |
| 4 | 94.3% | 52.3 | $0.011 | 2026-01-09 | |
| 5 | 94.2% | 51.1 | $0.027 | 2026-01-09 | |
| 6 | 94.0% | 59.9 | $0.011 | 2026-01-09 | |
| 7 | 93.9% | 60.0 | $0.018 | 2026-01-09 | |
| 8 | 93.8% | 51.9 | $0.027 | 2026-01-09 | |
| 9 | 93.4% | 51.2 | $0.0029 | 2026-01-09 | |
| 10 | 93.3% | 57.4 | $0.0071 | 2026-01-09 | |
| 11 | 93.0% | 50.0 | $0.0058 | 2026-01-09 | |
| 12 | 93.0% | 57.5 | $0.0061 | 2026-01-09 | |
| 13 | 93.0% | 52.9 | $0.026 | 2026-01-09 | |
| 14 | 92.8% | 58.2 | $0.014 | 2026-01-09 | |
| 15 | 92.6% | 54.6 | $0.0037 | 2026-01-09 | |
| 16 | 92.6% | 46.8 | $0.0040 | 2026-01-09 | |
| 17 | 92.5% | 50.1 | $0.0011 | 2026-01-09 | |
| 18 | 92.4% | 41.8 | $0.0002 | 2026-01-09 | |
| 19 | 92.4% | 49.2 | $0.0057 | 2026-01-09 | |
| 20 | 92.3% | 47.2 | $0.0041 | 2026-01-09 | |
| 21 | 92.2% | 54.2 | $0.0023 | 2026-01-09 | |
| 22 | 92.2% | 45.7 | $0.0069 | 2026-01-09 | |
| 23 | 92.2% | 44.3 | $0.0004 | 2026-01-09 | |
| 24 | 92.0% | 46.1 | $0.0007 | 2026-01-09 | |
| 25 | 91.8% | 55.1 | $0.0038 | 2026-01-09 | |
| 26 | 91.7% | 46.9 | $0.0004 | 2026-01-09 | |
| 27 | 91.3% | 50.9 | $0.0057 | 2026-01-09 | |
| 28 | 91.3% | 47.9 | $0.0082 | 2026-01-09 | |
| 29 | 91.1% | 39.9 | $0.0005 | 2026-01-09 | |
| 30 | 91.0% | 51.1 | $0.0010 | 2026-01-09 | |
| 31 | 90.9% | 58.1 | $0.026 | 2026-01-09 | |
| 32 | 90.9% | 53.8 | $0.015 | 2026-01-09 | |
| 33 | 90.9% | 51.6 | $0.0006 | 2026-01-09 | |
| 34 | 90.9% | 50.2 | $0.0001 | 2026-01-09 | |
| 35 | 90.9% | 44.3 | $0.0005 | 2026-01-09 | |
| 36 | 90.8% | 51.6 | $0.0063 | 2026-01-09 | |
| 37 | 90.7% | 41.6 | $0.0029 | 2026-01-09 | |
| 38 | 90.4% | 53.7 | $0.0008 | 2026-01-09 | |
| 39 | 90.4% | 50.7 | $0.0005 | 2026-01-09 | |
| 40 | 90.2% | 52.3 | $0.0009 | 2026-01-09 | |
| 41 | 89.8% | 47.5 | $0.0010 | 2026-01-09 | |
| 42 | 89.8% | 52.8 | $0.0010 | 2026-01-09 | |
| 43 | 89.8% | 50.2 | $0.0043 | 2026-01-09 | |
| 44 | 89.5% | 55.3 | $0.0005 | 2026-01-09 | |
| 45 | 89.5% | 46.8 | $0.0002 | 2026-01-09 | |
| 46 | 89.3% | 49.5 | $0.057 | 2026-01-09 | |
| 47 | 89.3% | 47.4 | $0.0019 | 2026-01-09 | |
| 48 | 89.2% | 41.4 | $0.0010 | 2026-01-09 | |
| 49 | 89.0% | 44.5 | $0.0005 | 2026-01-09 | |
| 50 | 89.0% | 43.5 | $0.0001 | 2026-01-09 | |
| 51 | 88.4% | 49.6 | $0.0001 | 2026-01-09 | |
| 52 | 88.2% | 51.7 | $0.0043 | 2026-01-09 | |
| 53 | 88.0% | 45.6 | $0.0003 | 2026-01-09 | |
| 54 | 88.0% | 38.2 | $0.0001 | 2026-01-09 | |
| 55 | 87.8% | 53.8 | $0.0013 | 2026-01-09 | |
| 56 | 87.8% | 46.3 | $0.0004 | 2026-01-09 | |
| 57 | 87.7% | 46.6 | $0.0017 | 2026-01-09 | |
| 58 | 87.6% | 43.1 | $0.0001 | 2026-01-09 | |
| 59 | 87.2% | 42.5 | $0.0030 | 2026-01-09 | |
| 60 | 86.6% | 38.2 | $0.0001 | 2026-01-09 |
引用格式:BenchLeader,《MGSM 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_mgsm。
MGSM:常见问题
- MGSM 衡量的是什么?
- MGSM 把小学数学应用题翻译成十种语言,测试推理能力在英语之外是否依然可靠。分数以完成任务的百分比表示,越高越好。
- MGSM 的最高分是多少?
- 截至 2026年11月16日,MGSM 的最高分为 95.2%,由 Claude Opus 4.5 取得(结果日期 2026年1月9日),领先于 Claude Opus 4.1(94.4%)。分数来自 Vals AI,每天重新读取。
- 哪个 AI 模型在 MGSM 上领先?
- 截至 2026年11月16日,MGSM 排名第一的是 Claude Opus 4.5,分数为 95.2%(结果日期 2026年1月9日)。其后为 Claude Opus 4.1(94.4%)。
- 有多少模型有 MGSM 结果?
- BenchLeader 上有 73 个模型配置有 MGSM 结果,全部取自 Vals AI。
- MGSM 由谁运行,多久更新一次?
- MGSM 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。
- MGSM 是否计入 BenchLeader Index?
- 计入。MGSM 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。