ProofBench 考察模型能否把数学推理写成可被 Lean 4 形式化验证的证明：能编译通过即算对，没有部分分。公开与私有两个 split 各 100 题，共 200 题，题目由 Lean 4 专家团队形式化。注意与 Google DeepMind 的 IMO-ProofBench（自然语言证明、由评委打分）不是同一个评测。
查看 ProofBench v1.1 (Lean 4) 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 | |||
|---|---|---|---|---|---|
— |  Claude Opus 5.5 思考水平·Max工具 | 100.00 | 2026-09-22 | 未知 | 闭源 |
— |  GPT-6 Sol 思考水平·Max工具 | 83.00 | 2026-09-22 | 未知 | 闭源 |
— | GPT-6 Luna 思考水平·Max工具 | 64.00 | 2026-09-22 | 未知 | 闭源 |
