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-Tier4、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 2026-05-02 07:14:49

截至 2026年5月，本页覆盖 AIME2025, FrontierMath - Tier 4, 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 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 GSM8K 排序

当前 SOTA

ERNIE-4.5-300B-A47B

百度

96.60GSM8K

查看详情

最佳开源

ERNIE-4.5-300B-A47B

百度

96.60GSM8K

查看详情

最佳国产

ERNIE-4.5-300B-A47B

百度

96.60GSM8K

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
	ERNIE-4.5-300B-A47B 百度	35.10	—	96.40	96.60	免费商用	详情
	Qwen3-235B-A22B 阿里巴巴	24.70	—	96.20	96.40	免费商用	详情
	DeepSeek-V3-0324 DeepSeek-AI	47.70	—	94.00	96.30	免费商用	详情
4	Pangu Embedded 华为	—	—	92.40	95.98	免费商用	详情
5	GPT-4.1 OpenAI	36.70	—	92.80	95.90	闭源	详情
6	Qwen2.5-32B 阿里巴巴	—	—	—	95.90	免费商用	详情
7	Gemma 3 - 27B (IT) Google Deep Mind	—	—	—	95.90	免费商用	详情
8	Claude3-Opus Anthropic	—	—	—	95.00	闭源	详情
9	Qwen2.5-Max 阿里巴巴	—	—	—	94.50	闭源	详情
10	Hunyuan-A13B-Instruct 腾讯AI实验室	76.80	—	—	91.83	免费商用	详情
11	Qwen2.5-72B 阿里巴巴	—	—	—	91.50	免费商用	详情
12	GPT-4o mini OpenAI	—	—	—	91.30	闭源	详情
13	Qwen3-Next 阿里巴巴	69.50	—	—	90.30	免费商用	详情
14	Phi-4-mini-instruct (3.8B) Microsoft Azure	—	—	71.80	88.60	免费商用	详情
15	Qwen2.5-7B 阿里巴巴	—	—	—	85.40	免费商用	详情
16	Llama3.1-8B-Instruct Facebook AI研究实验室	—	—	—	82.40	免费商用	详情
17	Qwen2.5-3B 阿里巴巴	—	—	—	79.10	免费商用	详情
18	Moonlight-16B-A3B-Instruct Moonshot AI	—	—	—	77.40	免费商用	详情
19	Gemma2-27B Google Deep Mind	—	—	—	74.00	免费商用	详情
20	Gemma 2 - 9B Google Research	—	—	—	70.70	免费商用	详情
21	Llama3.1-8B Facebook AI研究实验室	—	—	—	55.30	免费商用	详情
22	Mistral-7B-Instruct-v0.3 MistralAI	—	—	—	36.20	免费商用	详情
23	Llama-3.2-3B Facebook AI研究实验室	—	—	—	34.00	免费商用	详情
24	Step 3.5 Flash 开启思考工具 StepFunAI	99.80	—	—	—	免费商用	详情
25	Claude Opus 4.6 扩展思考 Anthropic	99.79	—	97.60	—	闭源	详情
26	Gemini 3.0 Flash 开启思考工具 Google Deep Mind	99.70	—	—	—	闭源	详情
27	GPT-5 开启思考工具 OpenAI	99.60	—	—	—	闭源	详情
28	OpenAI o4 - mini 开启思考工具 OpenAI	99.50	—	—	—	闭源	详情
29	Gemini 2.5 Deep Think 深度思考模式 Google Deep Mind	99.20	—	—	—	闭源	详情
30	Kimi K2 Thinking 开启思考工具 Moonshot AI	99.10	—	—	—	免费商用	详情
31	Grok 4 开启思考工具 xAI	98.80	—	—	—	闭源	详情
32	GPT OSS 20B 开启思考工具 OpenAI	98.70	—	—	—	免费商用	详情
33	GLM-4.6 开启思考智谱AI	98.60	—	—	—	免费商用	详情
34	GLM-4.6 开启思考工具智谱AI	98.60	—	—	—	免费商用	详情
35	GPT OSS 120B 开启思考工具 OpenAI	97.90	—	—	—	免费商用	详情
36	Step 3.5 Flash 开启思考 StepFunAI	97.30	—	—	—	免费商用	详情
37	GPT-5-Pro 开启思考 OpenAI	96.70	14.60	—	—	闭源	详情
38	Haiku 4.5 开启思考工具 Anthropic	96.30	—	—	—	闭源	详情
39	Kimi K2.5 开启思考 Moonshot AI	96.10	—	—	—	免费商用	详情
40	DeepSeek V3.2 Speciale 开启思考 DeepSeek-AI	96.00	—	—	—	免费商用	详情
41	GLM-4.7 开启思考智谱AI	95.70	—	—	—	免费商用	详情
42	Gemini 3.0 Flash 开启思考 Google Deep Mind	95.20	—	—	—	闭源	详情
43	Gemini 3.0 Pro (Preview 11-2025) 开启思考 Google Deep Mind	95.00	18.80	—	—	闭源	详情
44	GPT-5 开启思考 OpenAI	94.60	—	—	—	闭源	详情
45	Kimi K2 Thinking 开启思考 Moonshot AI	94.50	—	—	—	免费商用	详情
46	GPT-5.1 思考水平 · 高 OpenAI	94.00	—	—	—	闭源	详情
47	GPT-5.1 开启思考 OpenAI	94.00	—	—	—	闭源	详情
48	DeepSeek V3.2 开启思考 DeepSeek-AI	93.10	2.10	—	—	免费商用	详情
49	o3-pro OpenAI	93.00	—	—	—	闭源	详情
50	OpenAI o4 - mini 开启思考 OpenAI	92.70	—	—	—	闭源	详情

ERNIE-4.5-300B-A47B 百度

AIME202535.10

FrontierMath - Tier 4—

MATH-50096.40

GSM8K96.60

免费商用

Qwen3-235B-A22B 阿里巴巴

AIME202524.70

FrontierMath - Tier 4—

MATH-50096.20

GSM8K96.40

免费商用

DeepSeek-V3-0324 DeepSeek-AI

AIME202547.70

FrontierMath - Tier 4—

MATH-50094.00

GSM8K96.30

免费商用

Pangu Embedded 华为

AIME2025—

FrontierMath - Tier 4—

MATH-50092.40

GSM8K95.98

免费商用

GPT-4.1 OpenAI

AIME202536.70

FrontierMath - Tier 4—

MATH-50092.80

GSM8K95.90

闭源

Qwen2.5-32B 阿里巴巴

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K95.90

免费商用

Gemma 3 - 27B (IT)Google Deep Mind

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K95.90

免费商用

Claude3-Opus Anthropic

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K95.00

闭源

Qwen2.5-Max 阿里巴巴

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K94.50

闭源

Hunyuan-A13B-Instruct 腾讯AI实验室

AIME202576.80

FrontierMath - Tier 4—

MATH-500—

GSM8K91.83

免费商用

Qwen2.5-72B 阿里巴巴

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K91.50

免费商用

GPT-4o mini OpenAI

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K91.30

闭源

Qwen3-Next 阿里巴巴

AIME202569.50

FrontierMath - Tier 4—

MATH-500—

GSM8K90.30

免费商用

Phi-4-mini-instruct (3.8B)Microsoft Azure

AIME2025—

FrontierMath - Tier 4—

MATH-50071.80

GSM8K88.60

免费商用

Qwen2.5-7B 阿里巴巴

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K85.40

免费商用

Llama3.1-8B-Instruct Facebook AI研究实验室

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K82.40

免费商用

Qwen2.5-3B 阿里巴巴

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K79.10

免费商用

Moonlight-16B-A3B-Instruct Moonshot AI

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K77.40

免费商用

Gemma2-27B Google Deep Mind

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K74.00

免费商用

Gemma 2 - 9B Google Research

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K70.70

免费商用

Llama3.1-8B Facebook AI研究实验室

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K55.30

免费商用

Mistral-7B-Instruct-v0.3 MistralAI

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K36.20

免费商用

Llama-3.2-3B Facebook AI研究实验室

AIME2025—

FrontierMath - Tier 4—

MATH-500—

GSM8K34.00

免费商用

Step 3.5 Flash StepFunAI

开启思考工具

AIME202599.80

FrontierMath - Tier 4—

MATH-500—

GSM8K—

免费商用

Claude Opus 4.6 Anthropic

扩展思考

AIME202599.79

FrontierMath - Tier 4—

MATH-50097.60

GSM8K—

闭源

Gemini 3.0 Flash Google Deep Mind

开启思考工具

AIME202599.70

FrontierMath - Tier 4—

MATH-500—

GSM8K—

闭源

GPT-5 OpenAI

开启思考工具

AIME202599.60

FrontierMath - Tier 4—

MATH-500—

GSM8K—

闭源

OpenAI o4 - mini OpenAI

开启思考工具

AIME202599.50

FrontierMath - Tier 4—

MATH-500—

GSM8K—

闭源

Gemini 2.5 Deep Think Google Deep Mind

深度思考模式

AIME202599.20

FrontierMath - Tier 4—

MATH-500—

GSM8K—

闭源

Kimi K2 Thinking Moonshot AI

开启思考工具

AIME202599.10

FrontierMath - Tier 4—

MATH-500—

GSM8K—

免费商用

Grok 4 xAI

开启思考工具

AIME202598.80

FrontierMath - Tier 4—

MATH-500—

GSM8K—

闭源

GPT OSS 20B OpenAI

开启思考工具

AIME202598.70

FrontierMath - Tier 4—

MATH-500—

GSM8K—

免费商用

GLM-4.6 智谱AI

开启思考

AIME202598.60

FrontierMath - Tier 4—

MATH-500—

GSM8K—

免费商用

GLM-4.6 智谱AI

开启思考工具

AIME202598.60

FrontierMath - Tier 4—

MATH-500—

GSM8K—

免费商用

GPT OSS 120B OpenAI

开启思考工具

AIME202597.90

FrontierMath - Tier 4—

MATH-500—

GSM8K—

免费商用

Step 3.5 Flash StepFunAI

开启思考

AIME202597.30

FrontierMath - Tier 4—

MATH-500—

GSM8K—

免费商用

GPT-5-Pro OpenAI

开启思考

AIME202596.70

FrontierMath - Tier 414.60

MATH-500—

GSM8K—

闭源

Haiku 4.5 Anthropic

开启思考工具

AIME202596.30

FrontierMath - Tier 4—

MATH-500—

GSM8K—

闭源

Kimi K2.5 Moonshot AI

开启思考

AIME202596.10

FrontierMath - Tier 4—

MATH-500—

GSM8K—

免费商用

DeepSeek V3.2 Speciale DeepSeek-AI

开启思考

AIME202596.00

FrontierMath - Tier 4—

MATH-500—

GSM8K—

免费商用

GLM-4.7 智谱AI

开启思考

AIME202595.70

FrontierMath - Tier 4—

MATH-500—

GSM8K—

免费商用

Gemini 3.0 Flash Google Deep Mind

开启思考

AIME202595.20

FrontierMath - Tier 4—

MATH-500—

GSM8K—

闭源

Gemini 3.0 Pro (Preview 11-2025)Google Deep Mind

开启思考

AIME202595.00

FrontierMath - Tier 418.80

MATH-500—

GSM8K—

闭源

GPT-5 OpenAI

开启思考

AIME202594.60

FrontierMath - Tier 4—

MATH-500—

GSM8K—

闭源

Kimi K2 Thinking Moonshot AI

开启思考

AIME202594.50

FrontierMath - Tier 4—

MATH-500—

GSM8K—

免费商用

GPT-5.1 OpenAI

思考水平 · 高

AIME202594.00

FrontierMath - Tier 4—

MATH-500—

GSM8K—

闭源

GPT-5.1 OpenAI

开启思考

AIME202594.00

FrontierMath - Tier 4—

MATH-500—

GSM8K—

闭源

DeepSeek V3.2 DeepSeek-AI

开启思考

AIME202593.10

FrontierMath - Tier 42.10

MATH-500—

GSM8K—

免费商用

o3-pro OpenAI

AIME202593.00

FrontierMath - Tier 4—

MATH-500—

GSM8K—

闭源

OpenAI o4 - mini OpenAI

开启思考

AIME202592.70

FrontierMath - Tier 4—

MATH-500—

GSM8K—

闭源

排序：

已显示 50 / 221 个模型查看 GSM8K 基准测试完整页面