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-Preview-06-05 | 88.0 |
|
2025-06-05 | 未知 |
| DeepSeek-R1-0528 | 87.5 |
|
2025-05-28 | 6850.0 |
| Gemini 2.5 Pro Experimental 03-25 | 86.9 |
|
2025-03-25 | 0.0 |
| Gemini-2.5-Pro-Preview-05-06 | 83.0 |
|
2025-05-06 | 未知 |
| Qwen3-235B-A22B | 81.5 |
|
2025-04-28 | 2350.0 |
| Grok 3 | 77.1 |
|
2025-02-17 | 未知 |
| Claude Opus 4 | 75.5 |
|
2025-05-23 | 未知 |
| Qwen3-32B | 72.9 |
|
2025-04-28 | 220.0 |
| Claude Sonnet 4 | 70.5 |
|
2025-05-23 | 未知 |
| Magistral-Medium-2506 | 64.95 |
|
2025-06-10 | 未知 |
| Magistral-Small-2506 | 62.76 |
|
2025-06-10 | 240.0 |
| Claude Sonnet 3.7 | 54.8 |
|
2025-02-25 | 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:
88.0
发布时间:
2025-06-05
参数规模(亿):
未知
得分:
87.5
发布时间:
2025-05-28
参数规模(亿):
6850.0
得分:
86.9
发布时间:
2025-03-25
参数规模(亿):
0.0
得分:
83.0
发布时间:
2025-05-06
参数规模(亿):
未知
得分:
81.5
发布时间:
2025-04-28
参数规模(亿):
2350.0
得分:
77.1
发布时间:
2025-02-17
参数规模(亿):
未知
得分:
75.5
发布时间:
2025-05-23
参数规模(亿):
未知
得分:
72.9
发布时间:
2025-04-28
参数规模(亿):
220.0
得分:
70.5
发布时间:
2025-05-23
参数规模(亿):
未知
得分:
64.95
发布时间:
2025-06-10
参数规模(亿):
未知
得分:
62.76
发布时间:
2025-06-10
参数规模(亿):
240.0
得分:
54.8
发布时间:
2025-02-25
参数规模(亿):
未知