GSM8K 评测基准详情

Grade School Math 8K

一个包含 8500 道小学数学题的基准，用于评估模型的数学推理能力。

问题数量 8500

发布机构 Google

评测类别数学推理

评测指标 Accuracy

支持语言英语

难度等级 Intermediate

GSM8K 大模型得分排行榜

数据来源：DataLearnerAI

排名

模型

得分

发布时间

参数(亿)

1

ERNIE-4.5-300B-A47B

96.6

2025-06-30

3000.0

#1

ERNIE-4.5-300B-A47B

GSM8K得分 96.6

发布时间 2025-06-30

参数(亿) 3000.0

查看模型详情

2

Qwen3-235B-A22B

96.4

2025-04-28

2350.0

#2

Qwen3-235B-A22B

GSM8K得分 96.4

发布时间 2025-04-28

参数(亿) 2350.0

查看模型详情

3

DeepSeek-V3-0324

96.3

2025-03-24

6810.0

#3

DeepSeek-V3-0324

GSM8K得分 96.3

发布时间 2025-03-24

参数(亿) 6810.0

查看模型详情

4

Pangu Embedded

95.98

2025-06-30

70.0

#4

Pangu Embedded

GSM8K得分 95.98

发布时间 2025-06-30

参数(亿) 70.0

查看模型详情

5

GPT-4.1

95.9

2025-04-14

未知

#5

GPT-4.1

GSM8K得分 95.9

发布时间 2025-04-14

参数(亿) 未知

查看模型详情

6

Qwen2.5-32B

95.9

2024-09-18

320.0

#6

Qwen2.5-32B

GSM8K得分 95.9

发布时间 2024-09-18

参数(亿) 320.0

查看模型详情

7

Claude3-Opus

95.0

2024-03-04

0.0

#7

Claude3-Opus

GSM8K得分 95.0

发布时间 2024-03-04

参数(亿) 0.0

查看模型详情

8

Qwen2.5-Max

94.5

2025-01-28

未知

#8

Qwen2.5-Max

GSM8K得分 94.5

发布时间 2025-01-28

参数(亿) 未知

查看模型详情

9

Hunyuan-A13B-Instruct

91.83

2025-06-27

800.0

#9

Hunyuan-A13B-Instruct

GSM8K得分 91.83

发布时间 2025-06-27

参数(亿) 800.0

查看模型详情

10

Qwen2.5-72B

91.5

2024-09-18

727.0

#10

Qwen2.5-72B

GSM8K得分 91.5

发布时间 2024-09-18

参数(亿) 727.0

查看模型详情

11

GPT-4o mini

91.3

2024-07-18

0.0

#11

GPT-4o mini

GSM8K得分 91.3

发布时间 2024-07-18

参数(亿) 0.0

查看模型详情

12

Phi-4-mini-instruct (3.8B)

88.6

2025-02-27

38.0

#12

Phi-4-mini-instruct (3.8B)

GSM8K得分 88.6

发布时间 2025-02-27

参数(亿) 38.0

查看模型详情

13

Qwen2.5-7B

85.4

2024-09-18

70.0

#13

Qwen2.5-7B

GSM8K得分 85.4

发布时间 2024-09-18

参数(亿) 70.0

查看模型详情

14

Llama3.1-8B-Instruct

82.4

2024-07-23

80.0

#14

Llama3.1-8B-Instruct

GSM8K得分 82.4

发布时间 2024-07-23

参数(亿) 80.0

查看模型详情

15

Qwen2.5-3B

79.1

2024-09-18

30.0

#15

Qwen2.5-3B

GSM8K得分 79.1

发布时间 2024-09-18

参数(亿) 30.0

查看模型详情

16

Moonlight-16B-A3B-Instruct

77.4

2025-02-23

160.0

#16

Moonlight-16B-A3B-Instruct

GSM8K得分 77.4

发布时间 2025-02-23

参数(亿) 160.0

查看模型详情

17

Gemma 2 - 9B

70.7

2024-06-27

90.0

#17

Gemma 2 - 9B

GSM8K得分 70.7

发布时间 2024-06-27

参数(亿) 90.0

查看模型详情

18

Llama3.1-8B

55.3

2024-07-23

80.0

#18

Llama3.1-8B

GSM8K得分 55.3

发布时间 2024-07-23

参数(亿) 80.0

查看模型详情

19

Mistral-7B-Instruct-v0.3

36.2

2024-05-22

70.0

#19

Mistral-7B-Instruct-v0.3

GSM8K得分 36.2

发布时间 2024-05-22

参数(亿) 70.0

查看模型详情

20

Llama-3.2-3B

34.0

2024-09-18

32.0

#20

Llama-3.2-3B

GSM8K得分 34.0

发布时间 2024-09-18

参数(亿) 32.0

查看模型详情

21

Llama3.1-405B Instruct

0.0

2024-07-23

4050.0

#21

Llama3.1-405B Instruct

GSM8K得分 0.0

发布时间 2024-07-23

参数(亿) 4050.0

查看模型详情

22

Gemini 1.5 Pro

0.0

2024-02-15

0.0

#22

Gemini 1.5 Pro

GSM8K得分 0.0

发布时间 2024-02-15

参数(亿) 0.0

查看模型详情

23

Amazon Nova Pro

0.0

2024-12-03

未知

#23

Amazon Nova Pro

GSM8K得分 0.0

发布时间 2024-12-03

参数(亿) 未知

查看模型详情