IMO-Bench 是 Google DeepMind 开发的一套基准测试套件，针对国际数学奥林匹克（IMO）水平的数学问题设计，用于评估大型语言模型在数学推理方面的能力。该基准包括三个子基准：AnswerBench、ProofBench 和 GradingBench，涵盖从短答案验证到完整证明生成和评分的全过程。发布于 2025 年 11 月，该基准通过专家审核的问题集，帮助模型实现 IMO 金牌级别的性能，并提供自动评分机制以支持大规模评估。
谷歌发布的用于评估大型语言模型生成完整、逻辑严谨的数学证明能力大模型评测基准
查看 IMO-ProofBench Advanced 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。
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 | 开源情况 | |||
|---|---|---|---|---|---|
 GPT-5.5 Pro 思考水平·极高 | 88.10 | 2026-04-23 | 未知 | 闭源 | |
76.70 | 2025-12-04 | 未知 | 闭源 | ||
GPT-5.5 思考水平·极高 | 71.90 | 2026-04-23 | 未知 | 闭源 | |
4 |  DeepSeekMath-V2 思考水平·高 | 61.90 | 2025-11-27 | 6850亿 | 免费商用 |
5 |  Gemini 3 Pro 开启思考 | 30.00 | 2026-02-01 | 未知 | 闭源 |
6 | GPT-5-Pro 开启思考 | 28.60 | 2025-08-07 | 未知 | 闭源 |
7 |  Opus 4.5 开启思考 | 23.80 | 2025-11-25 | 未知 | 闭源 |
8 | OpenAI o3 开启思考 | 20.50 | 2025-04-16 | 未知 | 闭源 |
9 | GPT-5 开启思考 | 20.00 | 2025-08-07 | 未知 | 闭源 |
10 |  Grok 4 开启思考 | 18.60 | 2025-07-10 | 未知 | 闭源 |
11 | Gemini 2.5-Pro 开启思考 | 17.60 | 2025-06-05 | 未知 | 闭源 |
12 | OpenAI o4 - mini 思考水平·高 | 11.40 | 2025-04-16 | 未知 | 闭源 |
13 | 5.20 | 2025-07-30 | 305亿 | 免费商用 | |
14 | Claude Sonnet 4 开启思考 | 4.80 | 2025-05-23 | 未知 | 闭源 |
15 | 4.80 | 2025-09-30 | 未知 | 闭源 | |
16 | DeepSeek-V3 开启思考 | 4.30 | 2024-12-26 | 6810亿 | 免费商用 |
17 | DeepSeek-R1 开启思考 | 3.80 | 2025-01-20 | 6710亿 | 免费商用 |
18 | DeepSeek-R1-0528 开启思考 | 3.80 | 2025-05-28 | 6710亿 | 免费商用 |
19 | Claude Opus 4 开启思考 | 2.90 | 2025-05-23 | 未知 | 闭源 |
