大模型数学推理能力评测排行榜

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 AIME 2025、FrontierMath Tier 4 v2、MATH-500、GSM8K 等权威数学基准数据集，对包括 OpenAI 的 GPT、Anthropic 的 Claude、阿里巴巴的 Qwen、DeepSeek 等模型进行评测。

数据更新于 2026-09-25 13:11:44

截至 2026年9月，本页覆盖 AIME2025, FrontierMath Tier 4 v2, MATH-500, GSM8K 等评测基准，聚焦 大模型数学推理能力评测排行榜 方向的模型对比。

点击模型名称可进入详情页查看上下文长度、许可方式与 API 价格。数据口径说明见数据方法论。

基准评测

AIME2025 FrontierMath Tier 4 v2 MATH-500 GSM8K

更多评测

参数规模:全部 3B及以下 7B 13B 34B 65B 100B及以上

模型类型:全部推理大模型基座大模型指令优化/聊天优化大模型编程大模型

开源：全部开源闭源

来源：全部国产模型

模型发布时间截止:

榜单亮点

按 FrontierMath Tier 4 v2 排序

当前 SOTA

GPT-6 Astra

OpenAI

97.60FrontierMath Tier 4 v2

查看详情

最佳开源

Qwen3.8-Max

阿里巴巴

46.34FrontierMath Tier 4 v2−51.26

查看详情

最佳国产

Qwen3.8-Max

阿里巴巴

46.34FrontierMath Tier 4 v2−51.26

查看详情

大模型性能评测结果

数据来源：DataLearnerAI

点击任意行查看模型详情；勾选左侧可对比最多 4 个模型。

排名	模型					开源情况
	GPT-6 Astra 思考水平 · 高 OpenAI	—	97.60	—	—	闭源	详情
	Claude Fable 5 思考水平 · 高 Anthropic	—	87.80	—	—	闭源	详情
	GPT-5.6 Sol 思考水平 · 高 OpenAI	—	83.00	—	—	闭源	详情
4	GPT-5.6 Sol 思考水平 · 高 OpenAI	—	82.93	—	—	闭源	详情
5	GPT-5.5 Pro 思考水平 · 极高 OpenAI	—	78.05	—	—	闭源	详情
6	Claude Opus 5 思考水平 · 高 Anthropic	—	73.17	—	—	闭源	详情
7	GPT-5.5 思考水平 · 极高 OpenAI	—	72.50	—	—	闭源	详情
8	GPT-5.6 Terra 思考水平 · 高 OpenAI	—	70.73	—	—	闭源	详情
9	GPT-5.6 Luna 思考水平 · 高 OpenAI	—	60.98	—	—	闭源	详情
10	GPT-5.4 Pro 思考水平 · 极高 OpenAI	—	58.54	—	—	闭源	详情
11	Claude Opus 4.8 思考水平 · 高 Anthropic	—	56.10	—	—	闭源	详情
12	GPT-5.4 思考水平 · 极高 OpenAI	—	49.00	—	—	闭源	详情
13	Qwen3.8-Max 思考水平 · 极高阿里巴巴	—	46.34	—	—	有条件商用	详情
14	GPT-5.2 Pro 思考水平 · 极高 OpenAI	—	46.00	—	—	闭源	详情
15	Kimi K3 思考水平 · 高 Moonshot AI	—	39.02	—	—	有条件商用	详情
16	Gemini 3.7 Flash 开启思考 Google DeepMind	—	36.59	—	—	闭源	详情
17	Grok 4.6 思考水平 · 极高 xAI	—	31.71	—	—	闭源	详情
18	Opus 4.7 思考水平 · 高 Anthropic	—	31.71	—	—	闭源	详情
19	GPT-5.2 思考水平 · 极高 OpenAI	100.00	31.70	—	—	闭源	详情
20	GLM-5.3 思考水平 · 高智谱AI	—	29.27	—	—	有条件商用	详情
21	GLM-5.2 思考水平 · 高智谱AI	—	29.27	—	—	免费商用	详情
22	Claude Sonnet 5 思考水平 · 高 Anthropic	—	29.27	—	—	闭源	详情
23	Gemini 3.5 Flash 开启思考 Google DeepMind	—	26.83	—	—	闭源	详情
24	Claude Opus 4.6 思考水平 · 高 Anthropic	—	26.83	—	—	闭源	详情
25	Grok 4.5 开启思考 xAI	—	24.39	—	—	闭源	详情
26	Gemini 3.6 Flash 开启思考 Google DeepMind	—	21.95	—	—	闭源	详情
27	GPT-5 开启思考 OpenAI	—	21.95	—	—	闭源	详情
28	GPT-5-Pro 开启思考 OpenAI	—	19.51	—	—	闭源	详情
29	GLM-5.3-Flash 思考水平 · 高智谱AI	—	17.07	—	—	免费商用	详情
30	Grok 4.3 Beta 开启思考 xAI	—	14.63	—	—	闭源	详情
31	GPT-5.4 nano 开启思考 OpenAI	—	12.20	—	—	闭源	详情
32	GPT-5-mini 开启思考 OpenAI	—	12.20	—	—	闭源	详情
33	GPT-5.4 mini 思考水平 · 极高 OpenAI	—	9.76	—	—	闭源	详情
34	Inkling 思考水平 · 极高 Thinking Machines Lab	—	4.88	—	—	免费商用	详情
35	Opus 4.5 开启思考 Anthropic	—	4.88	—	—	闭源	详情
36	OpenAI o4 - mini 开启思考 OpenAI	—	4.88	—	—	闭源	详情
37	DeepSeek-V4-Pro 思考水平 · 高 DeepSeek-AI	—	2.44	—	—	免费商用	详情
38	Claude Sonnet 4.5 开启思考 Anthropic	—	2.44	—	—	闭源	详情
39	GPT-5-Nano 开启思考 OpenAI	—	2.44	—	—	闭源	详情
40	Opus 4.1 开启思考 Anthropic	—	2.44	—	—	闭源	详情
41	Step 3.5 Flash 开启思考工具 StepFunAI	99.80	—	—	—	免费商用	详情
42	Claude Opus 4.6 扩展思考 Anthropic	99.79	—	97.60	—	闭源	详情
43	Gemini 3.0 Flash 开启思考工具 Google DeepMind	99.70	—	—	—	闭源	详情
44	GPT-5 开启思考工具 OpenAI	99.60	—	—	—	闭源	详情
45	OpenAI o4 - mini 开启思考工具 OpenAI	99.50	—	—	—	闭源	详情
46	Gemini 2.5 Deep Think 深度思考模式 Google DeepMind	99.20	—	—	—	闭源	详情
47	Kimi K2 Thinking 开启思考工具 Moonshot AI	99.10	—	—	—	免费商用	详情
48	Grok 4 开启思考工具 xAI	98.80	—	—	—	闭源	详情
49	GPT OSS 20B 开启思考工具 OpenAI	98.70	—	—	—	免费商用	详情
50	GLM-4.6 开启思考工具智谱AI	98.60	—	—	—	免费商用	详情

GPT-6 Astra OpenAI

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v297.60

MATH-500—

GSM8K—

闭源

Claude Fable 5 Anthropic

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v287.80

MATH-500—

GSM8K—

闭源

GPT-5.6 Sol OpenAI

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v283.00

MATH-500—

GSM8K—

闭源

GPT-5.6 Sol OpenAI

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v282.93

MATH-500—

GSM8K—

闭源

GPT-5.5 Pro OpenAI

思考水平 · 极高

AIME2025—

FrontierMath Tier 4 v278.05

MATH-500—

GSM8K—

闭源

Claude Opus 5 Anthropic

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v273.17

MATH-500—

GSM8K—

闭源

GPT-5.5 OpenAI

思考水平 · 极高

AIME2025—

FrontierMath Tier 4 v272.50

MATH-500—

GSM8K—

闭源

GPT-5.6 Terra OpenAI

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v270.73

MATH-500—

GSM8K—

闭源

GPT-5.6 Luna OpenAI

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v260.98

MATH-500—

GSM8K—

闭源

GPT-5.4 Pro OpenAI

思考水平 · 极高

AIME2025—

FrontierMath Tier 4 v258.54

MATH-500—

GSM8K—

闭源

Claude Opus 4.8 Anthropic

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v256.10

MATH-500—

GSM8K—

闭源

GPT-5.4 OpenAI

思考水平 · 极高

AIME2025—

FrontierMath Tier 4 v249.00

MATH-500—

GSM8K—

闭源

Qwen3.8-Max 阿里巴巴

思考水平 · 极高

AIME2025—

FrontierMath Tier 4 v246.34

MATH-500—

GSM8K—

有条件商用

GPT-5.2 Pro OpenAI

思考水平 · 极高

AIME2025—

FrontierMath Tier 4 v246.00

MATH-500—

GSM8K—

闭源

Kimi K3 Moonshot AI

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v239.02

MATH-500—

GSM8K—

有条件商用

Gemini 3.7 Flash Google DeepMind

开启思考

AIME2025—

FrontierMath Tier 4 v236.59

MATH-500—

GSM8K—

闭源

Grok 4.6 xAI

思考水平 · 极高

AIME2025—

FrontierMath Tier 4 v231.71

MATH-500—

GSM8K—

闭源

Opus 4.7 Anthropic

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v231.71

MATH-500—

GSM8K—

闭源

GPT-5.2 OpenAI

思考水平 · 极高

AIME2025100.00

FrontierMath Tier 4 v231.70

MATH-500—

GSM8K—

闭源

GLM-5.3 智谱AI

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v229.27

MATH-500—

GSM8K—

有条件商用

GLM-5.2 智谱AI

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v229.27

MATH-500—

GSM8K—

免费商用

Claude Sonnet 5 Anthropic

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v229.27

MATH-500—

GSM8K—

闭源

Gemini 3.5 Flash Google DeepMind

开启思考

AIME2025—

FrontierMath Tier 4 v226.83

MATH-500—

GSM8K—

闭源

Claude Opus 4.6 Anthropic

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v226.83

MATH-500—

GSM8K—

闭源

Grok 4.5 xAI

开启思考

AIME2025—

FrontierMath Tier 4 v224.39

MATH-500—

GSM8K—

闭源

Gemini 3.6 Flash Google DeepMind

开启思考

AIME2025—

FrontierMath Tier 4 v221.95

MATH-500—

GSM8K—

闭源

GPT-5 OpenAI

开启思考

AIME2025—

FrontierMath Tier 4 v221.95

MATH-500—

GSM8K—

闭源

GPT-5-Pro OpenAI

开启思考

AIME2025—

FrontierMath Tier 4 v219.51

MATH-500—

GSM8K—

闭源

GLM-5.3-Flash 智谱AI

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v217.07

MATH-500—

GSM8K—

免费商用

Grok 4.3 Beta xAI

开启思考

AIME2025—

FrontierMath Tier 4 v214.63

MATH-500—

GSM8K—

闭源

GPT-5.4 nano OpenAI

开启思考

AIME2025—

FrontierMath Tier 4 v212.20

MATH-500—

GSM8K—

闭源

GPT-5-mini OpenAI

开启思考

AIME2025—

FrontierMath Tier 4 v212.20

MATH-500—

GSM8K—

闭源

GPT-5.4 mini OpenAI

思考水平 · 极高

AIME2025—

FrontierMath Tier 4 v29.76

MATH-500—

GSM8K—

闭源

Inkling Thinking Machines Lab

思考水平 · 极高

AIME2025—

FrontierMath Tier 4 v24.88

MATH-500—

GSM8K—

免费商用

Opus 4.5 Anthropic

开启思考

AIME2025—

FrontierMath Tier 4 v24.88

MATH-500—

GSM8K—

闭源

OpenAI o4 - mini OpenAI

开启思考

AIME2025—

FrontierMath Tier 4 v24.88

MATH-500—

GSM8K—

闭源

DeepSeek-V4-Pro DeepSeek-AI

思考水平 · 高

AIME2025—

FrontierMath Tier 4 v22.44

MATH-500—

GSM8K—

免费商用

Claude Sonnet 4.5 Anthropic

开启思考

AIME2025—

FrontierMath Tier 4 v22.44

MATH-500—

GSM8K—

闭源

GPT-5-Nano OpenAI

开启思考

AIME2025—

FrontierMath Tier 4 v22.44

MATH-500—

GSM8K—

闭源

Opus 4.1 Anthropic

开启思考

AIME2025—

FrontierMath Tier 4 v22.44

MATH-500—

GSM8K—

闭源

Step 3.5 Flash StepFunAI

开启思考工具

AIME202599.80

FrontierMath Tier 4 v2—

MATH-500—

GSM8K—

免费商用

Claude Opus 4.6 Anthropic

扩展思考

AIME202599.79

FrontierMath Tier 4 v2—

MATH-50097.60

GSM8K—

闭源

Gemini 3.0 Flash Google DeepMind

开启思考工具

AIME202599.70

FrontierMath Tier 4 v2—

MATH-500—

GSM8K—

闭源

GPT-5 OpenAI

开启思考工具

AIME202599.60

FrontierMath Tier 4 v2—

MATH-500—

GSM8K—

闭源

OpenAI o4 - mini OpenAI

开启思考工具

AIME202599.50

FrontierMath Tier 4 v2—

MATH-500—

GSM8K—

闭源

Gemini 2.5 Deep Think Google DeepMind

深度思考模式

AIME202599.20

FrontierMath Tier 4 v2—

MATH-500—

GSM8K—

闭源

Kimi K2 Thinking Moonshot AI

开启思考工具

AIME202599.10

FrontierMath Tier 4 v2—

MATH-500—

GSM8K—

免费商用

Grok 4 xAI

开启思考工具

AIME202598.80

FrontierMath Tier 4 v2—

MATH-500—

GSM8K—

闭源

GPT OSS 20B OpenAI

开启思考工具

AIME202598.70

FrontierMath Tier 4 v2—

MATH-500—

GSM8K—

免费商用

GLM-4.6 智谱AI

开启思考工具

AIME202598.60

FrontierMath Tier 4 v2—

MATH-500—

GSM8K—

免费商用

排序：

已显示 50 / 234 个模型查看 FrontierMath Tier 4 v2 基准测试完整页面