随着大语言模型（LLM）的发展越来越快，我们需要更好的方法来评估它们到底有多“聪明”，特别是在处理复杂数学问题的时候。AIME 2025 就是这样一个工具，它专门用来测试当前 AI 在高等数学推理方面的真实水平。
| 模型简称 | 得分 | 发布机构 | 发布时间 | 参数规模（亿） |
|---|---|---|---|---|
| Grok 3.5 | 92.3 |
|
2025-05-06 | 未知 |
| OpenAI o3 | 88.7 |
|
2025-04-16 | 未知 |
| Gemini 2.5 Pro Experimental 03-25 | 86.9 |
|
2025-03-25 | 0.0 |
| Grok 3 | 77.1 |
|
2025-02-17 | 未知 |
得分:
92.3
发布时间:
2025-05-06
参数规模(亿):
未知
得分:
88.7
发布时间:
2025-04-16
参数规模(亿):
未知
得分:
86.9
发布时间:
2025-03-25
参数规模(亿):
0.0
得分:
77.1
发布时间:
2025-02-17
参数规模(亿):
未知