MATH-500

MATH-500

OpenAI从MATH评测数据集中精选的500个更具代表性的数学评测基准

英文 难度:高难度

主要统计信息

问题数量

500

机构

OpenAI

类别

数学推理

评估指标

Accuracy

MATH-500基准测试简介

在评估大型语言模型(LLM)的数学推理能力时,MATH和MATH-500是两个备受关注的基准测试。尽管它们都旨在衡量模型的数学解题能力,但在发布者、发布目的、评测目标和对比结果等方面存在显著差异。

MATH-500 大模型得分排行榜

冠军
亚军
季军
其他排名

详细排名数据表格

模型简称 MATH-500得分 发布机构 发布时间 参数规模(亿)
Gemini-2.5-Pro-Preview-05-06 98.8 Google Deep Mind Logo 2025-05-06 未知
Gemini-2.5-Pro-Preview-06-05 98.8 Google Deep Mind Logo 2025-06-05 未知
Claude Opus 4 98.2 Anthropic Logo 2025-05-23 未知
OpenAI o3 98.1 OpenAI Logo 2025-04-16 未知
DeepSeek-R1-0528 98.0 DeepSeek-AI Logo 2025-05-28 6850.0
OpenAI o3-mini (high) 97.9 OpenAI Logo 2025-01-31 未知
DeepSeek-R1 97.3 DeepSeek-AI Logo 2025-01-20 6710.0
MiniMax-M1-80k 96.8 MiniMaxAI Logo 2025-06-16 4560.0
Pangu Pro MoE 96.8 华为 Logo 2025-06-30 719.0
ERNIE-4.5-300B-A47B 96.4 百度 Logo 2025-06-30 3000.0
OpenAI o1 96.4 OpenAI Logo 2024-12-05 未知
Qwen3-235B-A22B 96.2 阿里巴巴 Logo 2025-04-28 2350.0
Hunyuan-T1 96.2 腾讯AI实验室 Logo 2025-03-21 0.0
Claude Sonnet 3.7-64K Extended Thinking 96.2 Anthropic Logo 2025-02-25 未知
Kimi k1.5 (Long-CoT) 96.2 普林斯顿大学 Logo 2025-01-22 未知
MiniMax-M1-40k 96.0 MiniMaxAI Logo 2025-06-16 4560.0
Llama 4 Behemoth Instruct 95.0 Facebook AI研究实验室 Logo 2025-04-05 20000.0
Kimi k1.5 (Short-CoT) 94.6 Moonshot AI Logo 2025-01-22 未知
DeepSeek-R1-Distill-Llama-70B 94.5 DeepSeek-AI Logo 2025-01-20 700.0
DeepSeek-V3-0324 94.0 DeepSeek-AI Logo 2025-03-24 6810.0
GPT-4.1 92.8 OpenAI Logo 2025-04-14 未知
Pangu Embedded 92.4 华为 Logo 2025-06-30 70.0
DeepSeek-R1-Distill-Qwen-7B 91.4 DeepSeek-AI Logo 2025-01-20 70.0
QwQ-32B 91.0 阿里巴巴 Logo 2025-03-06 325.0
GPT-4.5 90.7 OpenAI Logo 2025-02-28 未知
QwQ-32B-Preview 90.6 阿里巴巴 Logo 2024-11-28 320.0
Phi-4-instruct (reasoning-trained) 90.4 Microsoft Logo 2025-02-27 38.0
OpenAI o1-mini 90.0 OpenAI Logo 2024-09-12 未知
DeepSeek-V3 87.8 DeepSeek-AI Logo 2024-12-26 6810.0
Claude Sonnet 3.7 82.2 Anthropic Logo 2025-02-25 未知
Claude 3.5 Sonnet New 78.0 Anthropic Logo 2024-10-22 0.0
GPT-4o 75.9 OpenAI Logo 2024-05-13 未知
Phi-4-mini-instruct (3.8B) 71.8 Microsoft Logo 2025-02-27 38.0
得分:
98.8
发布时间:
2025-05-06
参数规模(亿):
未知
得分:
98.8
发布时间:
2025-06-05
参数规模(亿):
未知
得分:
98.2
发布时间:
2025-05-23
参数规模(亿):
未知
得分:
98.1
发布时间:
2025-04-16
参数规模(亿):
未知
得分:
98.0
发布时间:
2025-05-28
参数规模(亿):
6850.0
得分:
97.9
发布时间:
2025-01-31
参数规模(亿):
未知
得分:
97.3
发布时间:
2025-01-20
参数规模(亿):
6710.0
得分:
96.8
发布时间:
2025-06-16
参数规模(亿):
4560.0
得分:
96.8
发布时间:
2025-06-30
参数规模(亿):
719.0
得分:
96.4
发布时间:
2025-06-30
参数规模(亿):
3000.0
得分:
96.4
发布时间:
2024-12-05
参数规模(亿):
未知
得分:
96.2
发布时间:
2025-04-28
参数规模(亿):
2350.0
得分:
96.2
发布时间:
2025-03-21
参数规模(亿):
0.0
得分:
96.2
发布时间:
2025-02-25
参数规模(亿):
未知
得分:
96.2
发布时间:
2025-01-22
参数规模(亿):
未知
得分:
96.0
发布时间:
2025-06-16
参数规模(亿):
4560.0
得分:
95.0
发布时间:
2025-04-05
参数规模(亿):
20000.0
得分:
94.6
发布时间:
2025-01-22
参数规模(亿):
未知
得分:
94.5
发布时间:
2025-01-20
参数规模(亿):
700.0
得分:
94.0
发布时间:
2025-03-24
参数规模(亿):
6810.0
得分:
92.8
发布时间:
2025-04-14
参数规模(亿):
未知
得分:
92.4
发布时间:
2025-06-30
参数规模(亿):
70.0
得分:
91.4
发布时间:
2025-01-20
参数规模(亿):
70.0
得分:
91.0
发布时间:
2025-03-06
参数规模(亿):
325.0
得分:
90.7
发布时间:
2025-02-28
参数规模(亿):
未知
得分:
90.6
发布时间:
2024-11-28
参数规模(亿):
320.0
得分:
90.4
发布时间:
2025-02-27
参数规模(亿):
38.0
得分:
90.0
发布时间:
2024-09-12
参数规模(亿):
未知
得分:
87.8
发布时间:
2024-12-26
参数规模(亿):
6810.0
得分:
82.2
发布时间:
2025-02-25
参数规模(亿):
未知
得分:
78.0
发布时间:
2024-10-22
参数规模(亿):
0.0
得分:
75.9
发布时间:
2024-05-13
参数规模(亿):
未知
得分:
71.8
发布时间:
2025-02-27
参数规模(亿):
38.0