加载中...
加载中...
本页面提供最新、最全面的大模型数学推理能力评测排行榜。我们通过 GSM8K、MATH、AIME 2025 等多个权威数学基准数据集，对包括 OpenAI 的 GPT-4o、Anthropic 的 Claude、阿里巴巴的 Qwen、DeepSeek-R1 等模型进行评测。
数据来源：DataLearnerAI
| 3 | GLM-4.7-Flash | 91.60 | 0.00 | 0.00 | 0.00 |
| 4 | Qwen3-32B | 72.90 | 81.40 | 97.20 | 0.00 |
| 5 | Magistral-Small-2506 | 62.76 | 70.68 | 0.00 | 0.00 |
| 6 | Qwen3-30B-A3B-2507 | 61.30 | 0.00 | 0.00 | 0.00 |
| 7 | Qwen3-30B-A3B | 21.60 | 0.00 | 0.00 | 0.00 |
| 8 | Qwen2.5-32B | 0.00 | 0.00 | 0.00 | 95.90 |
| 9 | QwQ-32B | 0.00 | 79.50 | 91.00 | 0.00 |
| 10 | QwQ-32B-Preview | 0.00 | 50.00 | 90.60 | 0.00 |
| 11 | Gemma 3 - 27B (IT) | 0.00 | 25.30 | 0.00 | 0.00 |