大模型数学推理能力评测排行榜

大模型排名数据表格

排名	模型	AIME2025	AIME 2024	MATH-500	GSM8K	参数(亿)	开源情况
1	Step 3.5 Flash default	99.80	未公布	未公布	未公布	1,960	免费商用授权
2	Claude Opus 4.6 深度思考模式（无工具）	99.79	未公布	未公布	未公布	未知	不开源
3	Gemini 3.0 Flash default	99.70	未公布	未公布	未公布	未知	不开源
4	GPT-5 default	99.60	未公布	未公布	未公布	未知	不开源
5	OpenAI o4 - mini default	99.50	98.70	未公布	未公布	未知	不开源
6	Gemini 2.5 Deep Think default	99.20	未公布	未公布	未公布	未知	不开源
7	Grok 4 default	98.80	未公布	未公布	未公布	未知	不开源
8	GPT OSS 20B default	98.70	96.00	未公布	未公布	210	免费商用授权
9	GLM-4.6 default	98.60	未公布	未公布	未公布	3,550	免费商用授权
10	GPT OSS 120B default	97.90	96.60	未公布	未公布	117	免费商用授权
11	Haiku 4.5 default	96.30	未公布	未公布	未公布	未知	不开源
12	Kimi K2.5 default	96.10	未公布	未公布	未公布	10,000	免费商用授权
13	DeepSeek V3.2 Speciale default	96.00	未公布	未公布	未公布	未知	免费商用授权
14	GLM-4.7 default	95.70	未公布	未公布	未公布	3,580	免费商用授权
15	Gemini 3.0 Pro (Preview 11-2025) default	95.00	未公布	未公布	未公布	未知	不开源
16	GPT-5.1 default	94.00	未公布	未公布	未公布	未知	不开源
17	GPT-5.1 思考模式 High（无工具）	94.00	未公布	未公布	未公布	未知	不开源
18	DeepSeek V3.2 default	93.10	未公布	未公布	未公布	6,710	免费商用授权
19	o3-pro default	93.00	93.00	未公布	未公布	未知	不开源
20	Qwen3-235B-A22B-Thinking-2507 default	92.30	未公布	未公布	未公布	2,350	免费商用授权
21	Qwen3-235B-A22B-Thinking default	92.30	未公布	未公布	未公布	305	免费商用授权
22	Grok 4 Fast default	92.00	未公布	未公布	未公布	未知	不开源
23	GLM-4.7-Flash default	91.60	未公布	未公布	未公布	310	免费商用授权
24	DeepSeek-V3.1 Terminus default	90.00	未公布	未公布	未公布	6,710	免费商用授权
25	DeepSeek V3.2-Exp default	89.30	未公布	未公布	未公布	6,710	免费商用授权
26	Grok 4.1 Fast default	89.00	未公布	未公布	未公布	未知	不开源
27	OpenAI o3 default	88.90	91.60	98.10	未公布	未知	不开源
28	DeepSeek-V3.1 default	88.40	93.10	未公布	未公布	6,710	免费商用授权
29	Gemini 2.5-Pro default	88.00	92.00	98.80	未公布	未知	不开源
30	DeepSeek-R1-0528 default	87.50	91.40	98.00	未公布	6,710	免费商用授权
31	Gemini 2.5 Pro Experimental 03-25 default	86.90	92.00	未公布	未公布	未知	不开源
32	OpenAI o3-mini default	86.50	60.00	95.80	未公布	未知	不开源
33	MiniMax M2.5 default	86.30	未公布	未公布	未公布	2,290	免费商用授权
34	Intern-S1 default	86.00	未公布	未公布	未公布	2,410	免费商用授权
35	Claude Sonnet 4 default	85.00	43.40	未公布	未公布	未知	不开源
36	Gemini-2.5-Pro-Preview-05-06 default	83.00	92.00	98.80	未公布	未知	不开源
37	Step3 default	82.90	未公布	未公布	未公布	3,210	免费商用授权
38	Qwen3-235B-A22B default	81.50	85.70	98.00	96.40	2,350	免费商用授权
39	Qwen3-4B-Thinking-2507 default	81.30	未公布	未公布	未公布	40	免费商用授权
40	M2.1 default	81.00	未公布	未公布	未公布	2,300	免费商用授权
41	Qwen3 Max (Preview) default	80.60	未公布	未公布	未公布	未知	不开源
42	MiniMax M2 default	78.00	未公布	未公布	未公布	2,300	免费商用授权
43	Claude Opus 4.1 default	78.00	未公布	未公布	未公布	未知	不开源
44	Grok 3 default	77.10	84.20	未公布	未公布	未知	不开源
45	MiniMax-M1-80k default	76.90	86.00	96.80	未公布	4,560	免费商用授权
46	Hunyuan-A13B-Instruct default	76.80	87.30	未公布	91.83	800	免费商用授权
47	Claude Opus 4 default	75.50	76.00	98.20	未公布	未知	不开源
48	Hunyuan-7B default	75.30	81.10	93.70	未公布	70	免费商用授权
49	Kimi K2 0905 default	75.20	未公布	未公布	未公布	10,000	免费商用授权
50	MiniMax-M1-40k default	74.60	83.30	96.00	未公布	4,560	免费商用授权
51	Qwen3-32B default	72.90	81.40	97.20	未公布	320	免费商用授权
52	Gemini 2.5 Flash default	72.00	88.00	未公布	未公布	未知	不开源
53	Qwen3-235B-A22B-2507 default	70.30	未公布	未公布	未公布	2,350	免费商用授权
54	DeepSeek-R1 default	70.00	79.80	97.30	未公布	6,710	免费商用授权
55	Qwen3-Next default	69.50	未公布	未公布	90.30	800	免费商用授权
56	Pangu Pro MoE default	68.10	79.20	96.80	未公布	719	免费商用授权
57	Qwen3-8B default	67.30	79.40	97.40	未公布	80	免费商用授权
58	Magistral-Medium-2506 default	64.95	73.59	未公布	未公布	未知	不开源
59	Gemini 2.5 Flash-Lite default	63.10	未公布	未公布	未公布	未知	不开源
60	Magistral-Small-2506 default	62.76	70.68	未公布	未公布	240	免费商用授权
61	Qwen3-30B-A3B-2507 default	61.30	未公布	未公布	未公布	305	免费商用授权
62	Claude Sonnet 3.7 default	54.80	23.30	82.20	未公布	未知	不开源
63	Kimi K2 default	54.00	69.60	97.40	未公布	10,000	免费商用授权
64	DeepSeek-V3-0324 default	47.70	59.40	94.00	96.30	6,710	免费商用授权
65	Qwen3-4B-2507 default	47.40	未公布	未公布	未公布	40	免费商用授权
66	GPT-5-mini default	47.00	未公布	未公布	未公布	未知	不开源
67	GPT-4o default	42.10	9.30	75.90	未公布	未知	不开源
68	GPT-4.1 default	36.70	48.10	92.80	95.90	未知	不开源
69	ERNIE-4.5-VL-424B-A47B-Base default	35.10	未公布	未公布	未公布	4,240	免费商用授权
70	ERNIE-4.5-300B-A47B default	35.10	54.80	96.40	96.60	3,000	免费商用授权
71	Gemini 2.0 Flash Experimental default	29.70	未公布	未公布	未公布	未知	不开源
72	GPT-4o(2025-03-27) default	26.70	未公布	未公布	未公布	未知	不开源
73	Qwen3-30B-A3B default	21.60	未公布	未公布	未公布	305	免费商用授权
74	Grok 4 Heavy default	100.00	未公布	未公布	未公布	未知	不开源
75	GPT-5-Pro default	100.00	未公布	未公布	未公布	未知	不开源
76	Claude Sonnet 4.5 default	100.00	未公布	未公布	未公布	未知	不开源
77	Kimi K2 Thinking default	100.00	未公布	未公布	未公布	10,400	免费商用授权
78	GPT-5.2 default	100.00	未公布	未公布	未公布	未知	不开源
79	GPT-5.2 思考模式（无工具）	100.00	未公布	未公布	未公布	未知	不开源
80	Gemma 2 - 9B default	未公布	未公布	未公布	70.70	90	免费商用授权
81	Qwen2.5-7B default	未公布	未公布	未公布	85.40	70	免费商用授权
82	Llama3.1-8B default	未公布	未公布	未公布	55.30	80	免费商用授权
83	Mistral-7B-Instruct-v0.3 default	未公布	未公布	未公布	36.20	70	免费商用授权
84	Llama-3.2-3B default	未公布	未公布	未公布	34.00	32	免费商用授权
85	Gemini 1.5 Pro default	未公布	未公布	未公布	未公布	未知	不开源
86	Llama3.1-405B Instruct default	未公布	未公布	未公布	未公布	4,050	免费商用授权
87	Amazon Nova Pro default	未公布	未公布	未公布	未公布	未知	不开源
88	GLM-4.5 default	未公布	91.00	98.20	未公布	3,550	免费商用授权
89	GLM-4.5-Air default	未公布	89.40	98.10	未公布	1,060	免费商用授权
90	OpenAI o3-mini (high) default	未公布	87.00	97.90	未公布	未知	不开源
91	OpenAI o1 default	未公布	79.20	96.40	未公布	未知	不开源
92	Moonlight-16B-A3B-Instruct default	未公布	未公布	未公布	77.40	160	免费商用授权
93	Qwen2.5-3B default	未公布	未公布	未公布	79.10	30	免费商用授权
94	Llama3.1-8B-Instruct default	未公布	未公布	未公布	82.40	80	免费商用授权
95	Llama 4 Behemoth Instruct default	未公布	未公布	95.00	未公布	20,000	免费商用授权
96	Phi-4-mini-instruct (3.8B) default	未公布	10.00	71.80	88.60	38	免费商用授权
97	GPT-4o mini default	未公布	未公布	未公布	91.30	未知	不开源
98	Qwen2.5-72B default	未公布	未公布	未公布	91.50	727	免费商用授权
99	Qwen2.5-Max default	未公布	未公布	未公布	94.50	未知	不开源
100	Claude3-Opus default	未公布	未公布	未公布	95.00	未知	不开源
101	Qwen2.5-32B default	未公布	未公布	未公布	95.90	320	免费商用授权
102	Pangu Embedded default	未公布	81.90	92.40	95.98	70	免费商用授权
103	OpenAI o1-mini default	未公布	63.60	90.00	未公布	未知	不开源
104	Gemini 2.0 Pro Experimental default	未公布	36.00	未公布	未公布	未知	不开源
105	GPT-4.1 nano default	未公布	29.40	未公布	未公布	未知	不开源
106	Gemma 3 - 27B (IT) default	未公布	25.30	未公布	未公布	270	免费商用授权
107	Grok 3.5 default	未公布	未公布	未公布	未公布	未知	不开源
108	GPT-4.1 mini default	未公布	49.60	未公布	未公布	未知	不开源
109	GLM-4-9B-Chat default	未公布	76.40	未公布	未公布	90	免费商用授权
110	Grok-3 - Reasoning Beta default	未公布	93.30	未公布	未公布	未知	不开源
111	Grok-3 mini - Reasoning default	未公布	96.00	未公布	未公布	未知	不开源
112	Claude 3.5 Sonnet New default	未公布	16.00	78.00	未公布	未知	不开源
113	DeepSeek-V3 default	未公布	39.00	87.80	未公布	6,810	免费商用授权
114	Kimi k1.5 (Long-CoT) default	未公布	未公布	96.20	未公布	未知	不开源
115	Phi-4-instruct (reasoning-trained) default	未公布	50.00	90.40	未公布	38	不开源
116	QwQ-32B-Preview default	未公布	50.00	90.60	未公布	320	免费商用授权
117	GPT-4.5 default	未公布	36.70	90.70	未公布	未知	不开源
118	QwQ-32B default	未公布	79.50	91.00	未公布	325	免费商用授权
119	DeepSeek-R1-Distill-Qwen-7B default	未公布	53.30	91.40	未公布	70	免费商用授权
120	DeepSeek-R1-Distill-Llama-70B default	未公布	未公布	94.50	未公布	700	免费商用授权
121	Kimi k1.5 (Short-CoT) default	未公布	未公布	94.60	未公布	未知	不开源
122	Grok 3 mini default	未公布	40.00	未公布	未公布	未知	不开源
123	Hunyuan-T1 default	未公布	78.20	96.20	未公布	未知	不开源
124	Claude Sonnet 3.7-64K Extended Thinking default	未公布	80.00	96.20	未公布	未知	不开源