加载中...
加载中...
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。
2025年美国数学竞赛邀请赛的试题，用于测试大模型的数学推理能力
数据来源：DataLearnerAI
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | GPT-5-Prothinking + 使用工具 | 100 | 2025-08-07 | 未知 |
| 2 | Claude Sonnet 4.5thinking + 使用工具 | 100 | 2025-09-30 | 未知 |
| 3 | GPT-5.2thinking | 100 | 2025-12-11 | 未知 |
| 4 | StepFun Flash 3.5thinking + 使用工具 | 99.8 | 2026-02-02 | 1960 |
| 5 | Gemini 3.0 Flashthinking + 使用工具 | 99.7 | 2025-12-17 | 未知 |
| 6 | GPT-5thinking + 使用工具 | 99.6 | 2025-08-07 | 未知 |
| 7 | OpenAI o4 - minithinking + 使用工具 | 99.5 | 2025-04-16 | 未知 |
| 8 | Gemini 2.5 Deep Thinkdeeper thinking | 99.2 | 2025-08-01 | 未知 |
| 9 | Kimi K2 Thinkingthinking + 使用工具 | 99.1 | 2025-11-06 | 10400 |
| 10 | Grok 4thinking + 使用工具 | 98.8 | 2025-07-10 | 未知 |
| 11 | GPT OSS 20Bthinking + 使用工具 | 98.7 | 2025-08-06 | 210 |
| 12 | GLM-4.6thinking + 使用工具 | 98.6 | 2025-09-30 | 3550 |
| 13 | GLM-4.6thinking | 98.6 | 2025-09-30 | 3550 |
| 14 | GPT OSS 120Bthinking + 使用工具 | 97.9 | 2025-08-06 | 117 |
| 15 | StepFun Flash 3.5thinking | 97.3 | 2026-02-02 | 1960 |
| 16 | GPT-5-Prothinking | 96.7 | 2025-08-07 | 未知 |
| 17 | Haiku 4.5thinking + 使用工具 | 96.3 | 2025-10-15 | 未知 |
| 18 | Kimi K2.5thinking | 96.1 | 2026-01-27 | 10000 |
| 19 | DeepSeek V3.2 Specialethinking | 96 | 2025-12-01 | 未知 |
| 20 | GLM-4.7thinking | 95.7 | 2025-12-22 | 3580 |
| 21 | Gemini 3.0 Flashthinking | 95.2 | 2025-12-17 | 未知 |
| 22 | Gemini 3.0 Pro (Preview 11-2025)thinking | 95 | 2025-11-18 | 未知 |
| 23 | GPT-5thinking | 94.6 | 2025-08-07 | 未知 |
| 24 | Kimi K2 Thinkingthinking | 94.5 | 2025-11-06 | 10400 |
| 25 | GPT-5.1high | 94 | 2025-11-12 | 未知 |
| 26 | DeepSeek V3.2thinking | 93.1 | 2025-12-01 | 6710 |
| 27 | 93 | 2025-06-10 | 未知 | |
| 28 | OpenAI o4 - minithinking | 92.7 | 2025-04-16 | 未知 |