GSM8K
更新于 2026-04-03
3,112 次浏览
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
简介
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。
相关资源
GSM8K 大模型得分排行榜
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
模式说明:
normal
thinking
low
medium
high
deeper thinking
parallel_thinking
图表加载中...
GSM8K评测最新大模型排名与完整榜单数据
查看 GSM8K 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
模型发布时间截止:
GSM8K详细排名数据表格
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | 96.60 | 2025-06-30 | 3000 | |
| 2 | Qwen3-235B-A22B 常规模式 | 96.40 | 2025-04-28 | 2350 |
| 3 | DeepSeek-V3-0324 常规模式 | 96.30 | 2025-03-24 | 6710 |
| 4 | Pangu Embedded 常规模式 | 95.98 | 2025-06-30 | 70 |
| 5 | Qwen2.5-32B 常规模式 | 95.90 | 2024-09-18 | 320 |
| 6 | 95.90 | 2025-03-12 | 270 | |
| 7 | GPT-4.1 常规模式 | 95.90 | 2025-04-14 | 未知 |
| 8 | Claude3-Opus 常规模式 | 95.00 | 2024-03-04 | 未知 |
| 9 | Qwen2.5-Max 常规模式 | 94.50 | 2025-01-28 | 未知 |
| 10 | 91.83 | 2025-06-27 | 800 | |
| 11 | Qwen2.5-72B 常规模式 | 91.50 | 2024-09-18 | 727 |
| 12 | GPT-4o mini 常规模式 | 91.30 | 2024-07-18 | 未知 |
| 13 | Qwen3-Next 常规模式 | 90.30 | 2025-09-11 | 800 |
| 14 | 88.60 | 2025-02-27 | 38 | |
| 15 | Qwen2.5-7B 常规模式 | 85.40 | 2024-09-18 | 70 |
| 16 | 82.40 | 2024-07-23 | 80 | |
| 17 | Qwen2.5-3B 常规模式 | 79.10 | 2024-09-18 | 30 |
| 18 | 77.40 | 2025-02-23 | 160 | |
| 19 | Gemma2-27B 常规模式 | 74.00 | 2024-05-14 | 270 |
| 20 | Gemma 2 - 9B 常规模式 | 70.70 | 2024-06-27 | 90 |
| 21 | Llama3.1-8B 常规模式 | 55.30 | 2024-07-23 | 80 |
| 22 | 36.20 | 2024-05-22 | 70 | |
| 23 | Llama-3.2-3B 常规模式 | 34.00 | 2024-09-18 | 32 |
| 24 | Gemini 1.5 Pro 常规模式 | 0.00 | 2024-02-15 | 未知 |
| 25 | 0.00 | 2024-07-23 | 4050 | |
| 26 | Amazon Nova Pro 常规模式 | 0.00 | 2024-12-03 | 未知 |