DataLearner logoDataLearnerAI
Latest AI Insights
Model Evaluations
Model Directory
Model Comparison
Resource Center
Tool Directory

加载中...

DataLearner logoDataLearner AI

A knowledge platform focused on LLM benchmarking, datasets, and practical instruction with continuously updated capability maps.

产品

  • Leaderboards
  • 模型对比
  • Datasets

资源

  • Tutorials
  • Editorial
  • Tool directory

关于

  • 关于我们
  • 隐私政策
  • 数据收集方法
  • 联系我们

© 2026 DataLearner AI. DataLearner curates industry data and case studies so researchers, enterprises, and developers can rely on trustworthy intelligence.

隐私政策服务条款
  1. Back to benchmark list
  2. /
  3. GSM8K

GSM8K 评测基准详情

更新2025-09-14
Views1,909
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

查看原始论文
阅读学术论文原文
获取数据集
下载评测数据集
访问官网
浏览项目官方网站

GSM8K Model Score Leaderboard

Source: DataLearnerAI

Data sourced primarily from official releases (GitHub, Hugging Face, papers), then benchmark leaderboards, then third-party evaluators. Learn about our data methodology

模式说明:
normal
thinking
low
medium
high
deeper thinking
parallel_thinking
图表加载中...

详细评测数据

No parallel thinking results available

GSM8K详细排名数据表格

排名模型
1
ERNIE-4.5-300B-A47Bdefault
96.62025-06-303000
2
Qwen3-235B-A22Bdefault
96.42025-04-282350
3
DeepSeek-V3-0324default
96.32025-03-246710
4
Pangu Embeddeddefault
95.982025-06-3070
5
Qwen2.5-32Bdefault
95.92024-09-18320
6
GPT-4.1default
95.92025-04-14未知
7
Claude3-Opusdefault
952024-03-04未知
8
Qwen2.5-Maxdefault
94.52025-01-28未知
9
Hunyuan-A13B-Instructdefault
91.832025-06-27800
10
Qwen2.5-72Bdefault
91.52024-09-18727
11
GPT-4o minidefault
91.32024-07-18未知
12
Qwen3-Nextdefault
90.32025-09-11800
13
Phi-4-mini-instruct (3.8B)default
88.62025-02-2738
14
Qwen2.5-7Bdefault
85.42024-09-1870
15
Llama3.1-8B-Instructdefault
82.42024-07-2380
16
Qwen2.5-3Bdefault
79.12024-09-1830
17
Moonlight-16B-A3B-Instructdefault
77.42025-02-23160
18
Gemma 2 - 9Bdefault
70.72024-06-2790
19
Llama3.1-8Bdefault
55.32024-07-2380
20
Mistral-7B-Instruct-v0.3default
36.22024-05-2270
21
Llama-3.2-3Bdefault
342024-09-1832
22
Gemini 1.5 Prodefault
02024-02-15未知
23
Llama3.1-405B Instructdefault
02024-07-234050
24
Amazon Nova Prodefault
02024-12-03未知