MATH-500 评测基准详情
在评估大型语言模型（LLM）的数学推理能力时，MATH和MATH-500是两个备受关注的基准测试。尽管它们都旨在衡量模型的数学解题能力，但在发布者、发布目的、评测目标和对比结果等方面存在显著差异。
Views458
问题数量
500
发布机构
OpenAI
评测类别
数学推理
评测指标
Accuracy
支持语言
英文
难度等级
高难度
简介
OpenAI从MATH评测数据集中精选的500个更具代表性的数学评测基准
相关资源
MATH-500 大模型得分排行榜
数据来源：DataLearnerAI
模式说明:
normal
thinking
low
medium
high
deeper thinking
parallel_thinking
图表加载中...
详细评测数据
MATH-500详细排名数据表格
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | 98.8 | 2025-05-06 | 未知 | |
| 2 | 98.8 | 2025-06-05 | 未知 | |
| 3 | 98.2 | 2025-05-23 | 未知 | |
| 4 | GLM-4.5thinking | 98.2 | 2025-07-28 | 3550 |
| 5 | 98.1 | 2025-04-16 | 未知 | |
| 6 | GLM-4.5-Airthinking | 98.1 | 2025-07-28 | 1060 |
| 7 | Qwen3-235B-A22Bthinking | 98 | 2025-04-28 | 2350 |
| 8 | DeepSeek-R1-0528thinking | 98 | 2025-05-28 | 6710 |
| 9 | 97.9 | 2025-01-31 | 未知 | |
| 10 | Qwen3-8Bthinking | 97.4 | 2025-04-28 | 80 |
| 11 | 97.4 | 2025-07-11 | 10000 | |
| 12 | 97.3 | 2025-01-20 | 6710 | |
| 13 | Qwen3-32Bthinking | 97.2 | 2025-04-28 | 320 |
| 14 | 96.8 | 2025-06-16 | 4560 | |
| 15 | 96.8 | 2025-06-30 | 719 | |
| 16 | 96.4 | 2024-12-05 | 未知 | |
| 17 | 96.4 | 2025-06-30 | 3000 | |
| 18 | 96.2 | 2025-01-22 | 未知 | |
| 19 | 96.2 | 2025-02-25 | 未知 | |
| 20 | 96.2 | 2025-03-21 | 未知 | |
| 21 | 96.2 | 2025-04-28 | 2350 | |
| 22 | 96 | 2025-06-16 | 4560 | |
| 23 | OpenAI o3-minithinking | 95.8 | 2025-01-31 | 未知 |
| 24 | 95 | 2025-04-05 | 20000 | |
| 25 | 94.6 | 2025-01-22 | 未知 | |
| 26 | 94.5 | 2025-01-20 | 700 | |
| 27 | 94 | 2025-03-24 | 6710 | |
| 28 | 93.7 | 2025-08-04 | 70 | |
| 29 | 92.8 | 2025-04-14 | 未知 | |
| 30 | 92.4 | 2025-06-30 | 70 |
将鼠标移至此处继续加载剩余 12 条